論文の概要: DS4RS: Community-Driven and Explainable Dataset Search Engine for Recommender System Research

• arxiv url: http://arxiv.org/abs/2508.10238v1
• Date: Wed, 13 Aug 2025 23:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.137119
• Title: DS4RS: Community-Driven and Explainable Dataset Search Engine for Recommender System Research
• Title（参考訳）: DS4RS:Recommender System Researchのためのコミュニティ駆動で説明可能なデータセット検索エンジン
• Authors: Xinyang Shao, Tri Kurniawan Wijaya,
• Abstract要約: 本稿では,推薦システム研究に適した,コミュニティ主導で説明可能なデータセット検索エンジンを提案する。 本システムは,データセット名や記述,レコメンデーションドメインなど,複数のデータセット属性のセマンティック検索をサポートする。 このシステムは、ユーザーがパブリックリポジトリで標準化されたデータセットメタデータをコントリビュートできるようにすることで、コミュニティの参加を促進する。
• 参考スコア（独自算出の注目度）: 0.5294604210205507
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accessing suitable datasets is critical for research and development in recommender systems. However, finding datasets that match specific recommendation task or domains remains a challenge due to scattered sources and inconsistent metadata. To address this gap, we propose a community-driven and explainable dataset search engine tailored for recommender system research. Our system supports semantic search across multiple dataset attributes, such as dataset names, descriptions, and recommendation domain, and provides explanations of search relevance to enhance transparency. The system encourages community participation by allowing users to contribute standardized dataset metadata in public repository. By improving dataset discoverability and search interpretability, the system facilitates more efficient research reproduction. The platform is publicly available at: https://ds4rs.com.
• Abstract（参考訳）: 適切なデータセットにアクセスすることは、レコメンデーションシステムの研究開発に不可欠である。 しかし、特定のレコメンデーションタスクやドメインにマッチするデータセットを見つけることは、散在するソースと一貫性のないメタデータのため、依然として課題である。 このギャップに対処するために,コミュニティ主導型で説明可能なデータセット検索エンジンを提案する。 本システムは,データセット名や記述,レコメンデーションドメインなど,複数のデータセット属性を対象としたセマンティック検索をサポートし,透明性を高めるために検索関連性の説明を提供する。 このシステムは、ユーザーがパブリックリポジトリで標準化されたデータセットメタデータをコントリビュートできるようにすることで、コミュニティの参加を促進する。 データセットの発見性と検索の解釈性を改善することにより、より効率的な研究再現を容易にする。 このプラットフォームは、https://ds4rs.com.comで公開されている。

関連論文リスト

• Multi-Disciplinary Dataset Discovery from Citation-Verified Literature Contexts [0.0]
  本稿では,学術論文の引用文脈からデータセットを抽出する文献駆動フレームワークを提案する。 提案手法は,大規模引用コンテキスト抽出,スキーマ誘導型データセット認識,証明保存エンティティ解決を併用する。 コード、評価データセット、結果はGitHubで公開しています。
  論文  参考訳（メタデータ） (2026-01-08T16:46:06Z)
• OpenDataArena: A Fair and Open Arena for Benchmarking Post-Training Dataset Value [74.80873109856563]
  OpenDataArena(ODA)は、トレーニング後のデータの本質的な価値をベンチマークするために設計された、総合的でオープンなプラットフォームである。 ODAは4つの主要な柱からなる包括的なエコシステムを確立している。 (i) 多様なモデル間で公平でオープンな比較を保証する統一的なトレーニング評価パイプライン、 (ii) 異なる軸数に沿ってデータ品質をプロファイリングする多次元スコアリングフレームワーク、 (iii) データセットの系図を視覚化してコンポーネントソースを識別するインタラクティブなデータ系統探索である。
  論文  参考訳（メタデータ） (2025-12-16T03:33:24Z)
• A Survey on Open Dataset Search in the LLM Era: Retrospectives and Perspectives [13.669798235894064]
  私たちは、メタデータやキーワードに依存する従来のアプローチを超えて、オープンデータセット検索の進歩に重点を置いています。 LLMは、クエリ理解、セマンティックモデリング、オープンデータセット検索におけるインタラクティブガイダンスにおける複雑な課題に対処するのに役立つ。 この研究は、オープンデータセット検索の分野における研究者や実践者に構造化された参照を提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-31T07:45:40Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• RecKG: Knowledge Graph for Recommender Systems [3.0969191504482247]
  本研究では,レコメンダシステムのための標準知識グラフRecKGを提案する。 RecKGは、さまざまなデータセットにわたるエンティティの一貫性のある表現を保証する。 実世界のデータセットを標準化するためにRecKGを適用し、その後グラフデータベースを用いてRecKGのアプリケーションを開発する。
  論文  参考訳（メタデータ） (2025-01-07T07:55:35Z)
• Metadata-based Data Exploration with Retrieval-Augmented Generation for Large Language Models [3.7685718201378746]
  本研究では、メタデータに基づくデータ発見を強化するために、レトリーバル拡張生成(RAG)という形式を用いた新しいデータ探索アーキテクチャを提案する。 提案フレームワークは異種データソース間の意味的類似性を評価するための新しい手法を提供する。
  論文  参考訳（メタデータ） (2024-10-05T17:11:37Z)
• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• Dataset Regeneration for Sequential Recommendation [69.93516846106701]
  DR4SRと呼ばれるモデルに依存しないデータセット再生フレームワークを用いて、理想的なトレーニングデータセットを開発するためのデータ中心のパラダイムを提案する。 データ中心のパラダイムの有効性を示すために、我々はフレームワークを様々なモデル中心の手法と統合し、4つの広く採用されているデータセット間で大きなパフォーマンス改善を観察する。
  論文  参考訳（メタデータ） (2024-05-28T03:45:34Z)
• DNS-Rec: Data-aware Neural Architecture Search for Recommender Systems [79.76519917171261]
  本稿では,SRS(Sequential Recommender Systems)における計算オーバーヘッドと資源非効率性について述べる。 本稿では, プルーニング法と高度なモデル設計を組み合わせた革新的な手法を提案する。 我々の主な貢献は、リコメンダシステム(DNS-Rec)のためのデータ対応ニューラルアーキテクチャ検索の開発である。
  論文  参考訳（メタデータ） (2024-02-01T07:22:52Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• DataFinder: Scientific Dataset Recommendation from Natural Language Descriptions [100.52917027038369]
  我々は、短い自然言語記述を与えられたデータセットを推奨するタスクを運用する。 この作業を容易にするために、我々は、より大規模な自動構築トレーニングセットと、より少ない専門家によるアノテート評価セットからなるDataFinderデータセットを構築した。 このシステムは、DataFinderデータセットに基づいてトレーニングされ、既存のサードパーティのデータセット検索エンジンよりも関連性の高い検索結果を見つける。
  論文  参考訳（メタデータ） (2023-05-26T05:22:36Z)
• INODE: Building an End-to-End Data Exploration System in Practice [Extended Vision] [30.411996388471817]
  INODEはエンドツーエンドのデータ探索システムです。 私達は癌のバイオマーカーのReearch、研究および革新の方針の作成および天体物理学の分野の3つの重要な使用例でそれを実証します。
  論文  参考訳（メタデータ） (2021-04-09T05:04:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。