論文の概要: A Survey of Affective Recommender Systems: Modeling Attitudes, Emotions, and Moods for Personalization
- arxiv url: http://arxiv.org/abs/2508.20289v1
- Date: Wed, 27 Aug 2025 21:50:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 18:12:01.833918
- Title: A Survey of Affective Recommender Systems: Modeling Attitudes, Emotions, and Moods for Personalization
- Title（参考訳）: 影響のあるレコメンデーションシステムに関する調査--パーソナライズのための態度・感情・ムードのモデル化
- Authors: Tonmoy Hasan, Razvan Bunescu,
- Abstract要約: Affective Recommender Systemsは、ユーザの感情状態にレコメンデーションを合わせることによってパーソナライズを強化することを目的としている。
本稿では,態度認識,感情認識,気分認識,ハイブリッドの4つのカテゴリに分類する手法を提案する。
我々は、感情的な信号抽出技術、システムアーキテクチャ、アプリケーション領域を文書化し、重要なトレンド、制限、オープンな課題を強調します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Affective Recommender Systems are an emerging class of intelligent systems that aim to enhance personalization by aligning recommendations with users' affective states. Reflecting a growing interest, a number of surveys have been published in this area, however they lack an organizing taxonomy grounded in psychology and they often study only specific types of affective states or application domains. This survey addresses these limitations by providing a comprehensive, systematic review of affective recommender systems across diverse domains. Drawing from Scherer's typology of affective states, we introduce a classification scheme that organizes systems into four main categories: attitude aware, emotion aware, mood aware, and hybrid. We further document affective signal extraction techniques, system architectures, and application areas, highlighting key trends, limitations, and open challenges. As future research directions, we emphasize hybrid models that leverage multiple types of affective states across different modalities, the development of large-scale affect-aware datasets, and the need to replace the folk vocabulary of affective states with a more precise terminology grounded in cognitive and social psychology. Through its systematic review of existing research and challenges, this survey aims to serve as a comprehensive reference and a useful guide for advancing academic research and industry applications in affect-driven personalization.
- Abstract（参考訳）: Affective Recommender Systemsは、ユーザの感情状態にレコメンデーションを合わせることによってパーソナライズを強化することを目的とした、インテリジェントシステムの新しいクラスである。
関心の高まりを反映して、この領域では多くの調査が出版されているが、心理学に基づく分類体系が欠如しており、特定の種類の情緒的状態や応用領域のみを研究することが多い。
本調査は、様々な領域にまたがる情緒的推薦システムの包括的かつ体系的なレビューを提供することにより、これらの制限に対処する。
シュラーの感情状態の類型学から,態度認識,感情認識,気分認識,ハイブリッドの4つの主要なカテゴリにシステムを編成する分類手法を導入する。
さらに、感情的な信号抽出技術、システムアーキテクチャ、アプリケーション領域を文書化し、重要なトレンド、制限、オープンな課題を強調します。
今後の研究の方向性として、様々なモダリティにまたがる複数の感情状態を活用するハイブリッドモデル、大規模感情認識データセットの開発、そして認知心理学や社会心理学を基礎としたより正確な用語に、感情状態の民間語彙を置き換える必要性を強調している。
本調査は,既存の研究・課題の体系的レビューを通じて,情緒的パーソナライゼーションにおける学術研究・産業応用の進展のための包括的参照と有用なガイドとして機能することを目的としている。
関連論文リスト
- Emotions in the Loop: A Survey of Affective Computing for Emotional Support [0.0]
Affective Computingは、マシンがユーザー感情の処理と応答を可能にして人間化された革新的なソリューションで登場している。
本稿では,大規模言語モデル(LLM)やマルチモーダル手法,パーソナライズされたAIシステムといったアプローチを用いて,感情認識,感情分析,パーソナライズといった分野における感情コンピューティング応用における最近の研究成果について検討する。
論文 参考訳（メタデータ） (2025-05-02T19:06:05Z) - A Survey on Recommendation Unlearning: Fundamentals, Taxonomy, Evaluation, and Open Questions [16.00188808166725]
推薦システムは、ユーザの行動と意思決定を形作ることに、ますます影響力を増している。
レコメンデータシステムにおける機械学習モデルの普及は、ユーザのプライバシとセキュリティに関する重要な懸念を引き起こしている。
従来の機械学習手法は、協調的な相互作用やモデルパラメータによって引き起こされるユニークな課題のために、アンラーニングを推奨するのに不適である。
論文 参考訳（メタデータ） (2024-12-17T11:58:55Z) - A survey on the impact of AI-based recommenders on human behaviours: methodologies, outcomes and future directions [3.802956917145726]
この調査は、人間とAIの4つのエコシステムにおけるレコメンデーターの影響を分析した。
ソーシャルメディア、オンライン小売、都市マッピング、ジェネレーティブAIエコシステムの研究が行われている。
論文 参考訳（メタデータ） (2024-06-29T14:34:32Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Social Influence Dialogue Systems: A Scoping Survey of the Efforts
Towards Influence Capabilities of Dialogue Systems [50.57882213439553]
社会影響対話システムは、説得、交渉、治療を行うことができる。
これらのスキルを備えた対話システムには、正式な定義やカテゴリは存在しない。
この研究は、この新興地域でのより専用の研究と議論を促すために、社会影響対話システムの包括的参照となる。
論文 参考訳（メタデータ） (2022-10-11T17:57:23Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Empathetic Conversational Systems: A Review of Current Advances, Gaps,
and Opportunities [2.741266294612776]
多くの研究が共感の利点を認識し、共感を会話システムに取り入れ始めた。
本稿では,5つのレビュー次元を用いて,急速に成長するこの分野について検討する。
論文 参考訳（メタデータ） (2022-05-09T05:19:48Z) - Automatic Expansion of Domain-Specific Affective Models for Web
Intelligence Applications [3.0012517171007755]
感覚コンピューティングは、異なる複雑さのよく定義された感情モデルに依存している。
洗練された機械学習アプローチと組み合わされた最もきめ細かい感情モデルでは、組織の戦略的位置決めの目標を完全に把握できないかもしれません。
本稿では、知識グラフで利用可能な共通知識と常識知識と、言語モデルと感情的推論を組み合わせた感情モデルの拡張手法を紹介する。
論文 参考訳（メタデータ） (2021-02-01T13:32:35Z) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z) - Deep Learning feature selection to unhide demographic recommender
systems factors [63.732639864601914]
行列分解モデルは意味的知識を含まない因子を生成する。
DeepUnHideは、協調フィルタリングレコメンデータシステムにおいて、ユーザとアイテムファクタから、人口統計情報を抽出することができる。
論文 参考訳（メタデータ） (2020-06-17T17:36:48Z)
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。