論文の概要: We're Still Doing It (All) Wrong: Recommender Systems, Fifteen Years Later
- arxiv url: http://arxiv.org/abs/2509.09414v1
- Date: Thu, 11 Sep 2025 12:51:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-12 16:52:24.385085
- Title: We're Still Doing It (All) Wrong: Recommender Systems, Fifteen Years Later
- Title（参考訳）: 今から15年後のレコメンデーションシステム(動画あり)
- Authors: Alan Said, Maria Soledad Pera, Michael D. Ekstrand,
- Abstract要約: 2011年、Xavier Amatriain氏は警告を鳴らした。
本稿は、アマトリアインの診断を再考し、アマトリアンの認識した概念的、高度化、インフラ的欠陥の多くは今も残っていると論じる。
- 参考スコア（独自算出の注目度）: 4.466084612775999
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In 2011, Xavier Amatriain sounded the alarm: recommender systems research was "doing it all wrong" [1]. His critique, rooted in statistical misinterpretation and methodological shortcuts, remains as relevant today as it was then. But rather than correcting course, we added new layers of sophistication on top of the same broken foundations. This paper revisits Amatriain's diagnosis and argues that many of the conceptual, epistemological, and infrastructural failures he identified still persist, in more subtle or systemic forms. Drawing on recent work in reproducibility, evaluation methodology, environmental impact, and participatory design, we showcase how the field's accelerating complexity has outpaced its introspection. We highlight ongoing community-led initiatives that attempt to shift the paradigm, including workshops, evaluation frameworks, and calls for value-sensitive and participatory research. At the same time, we contend that meaningful change will require not only new metrics or better tooling, but a fundamental reframing of what recommender systems research is for, who it serves, and how knowledge is produced and validated. Our call is not just for technical reform, but for a recommender systems research agenda grounded in epistemic humility, human impact, and sustainable practice.
- Abstract（参考訳）: 2011年、Xavier Amatriain はアラームを鳴らした。
統計的誤解と方法論的ショートカットに根ざした彼の批評は、今日でもそれと同等に関連している。
しかし、コースを修正するのではなく、同じ壊れた基盤の上に、新しい高度なレイヤを追加しました。
本稿はアマトリアインの診断を再考し、アマトリアインが発見した概念的、認識論的、インフラ的欠陥の多くは、より微妙な、あるいは体系的な形でまだ残っていると論じる。
再現性,評価方法論,環境影響,参加型デザインに関する最近の研究を参考に,この分野の複雑さの加速が,そのイントロスペクションをいかに上回ったかを紹介する。
我々は、ワークショップや評価フレームワーク、価値に敏感で参加的な研究を求めるなど、パラダイムをシフトしようとするコミュニティ主導のイニシアチブについて強調する。
同時に、意味のある変化は、新しいメトリクスやより良いツールだけでなく、より推奨されるシステム研究の目的、誰が機能し、どのように知識を創造し、どのように検証するかを根本的に再検討する必要がある、と論じています。
私たちの呼びかけは、技術的な改革だけでなく、先天的な謙虚さ、人間への影響、持続的なプラクティスに基づく推奨システム研究アジェンダにも当てはまります。
関連論文リスト
- Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。
この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。
このボトルネックは、帰属の曖昧さに起因している。
本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
論文 参考訳（メタデータ） (2026-02-05T04:19:52Z) - A Survey on Generative Recommendation: Data, Model, and Tasks [55.36322811257545]
ジェネレーティブ・レコメンデーションは、差別的なスコアではなく、世代としてのレコメンデーションを再認識する。
この調査は、データ、モデル、タスク次元にまたがる統合された三部構成のフレームワークを通じて包括的な調査を提供する。
世界知識の統合、自然言語理解、推論能力、スケーリング法則、創造的生成の5つの主要な利点を特定します。
論文 参考訳（メタデータ） (2025-10-31T04:02:58Z) - Machine Learning and Public Health: Identifying and Mitigating Algorithmic Bias through a Systematic Review [3.4137115855910767]
機械学習(ML)におけるアルゴリズムバイアスは、既存の健康格差を必然的に補強する可能性がある。
本稿では,2021年から2025年までのオランダの公衆衛生ML研究において,アルゴリズムバイアスの同定,議論,報告に関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2025-10-16T13:24:11Z) - A Critical Review of the Need for Knowledge-Centric Evaluation of Quranic Recitation [0.9332987715848714]
クラーニック・リサイクリング(タイウェド)の聖なる実践は、現代において重要な教育的課題に直面している。
デジタル技術は教育への前例のないアクセスを約束する一方で、評価のための自動ツールが広く普及または教育効果を達成できなかった。
本総説では, 言語知識と高度な音声分析を融合したハイブリッドシステムに, 自動クラニック評価の今後について考察する。
論文 参考訳（メタデータ） (2025-10-14T13:39:49Z) - AI and the Future of Academic Peer Review [0.1622854284766506]
大規模言語モデル(LLM)は、ジャーナリスト、資金提供者、個人レビュアーによってピアレビューパイプラインで試験されている。
初期の研究は、AIアシストが人間に匹敵する品質のレビューを作成できることを示唆している。
教師付きLDM支援は, 人間の判断を損なうことなく, エラー検出, タイムライン, レビューヤの作業量を改善することができることを示す。
論文 参考訳（メタデータ） (2025-09-17T17:27:12Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Triadic Novelty: A Typology and Measurement Framework for Recognizing Novel Contributions in Science [0.8249694498830561]
既存のメトリクスは、新奇さと人気を両立させ、それらに挑戦する人たちよりも既存のパラダイムに適合するアイデアを弱めます。
本研究は, 異なるタイプの新規性が出現し, 保持され, 認識されるかをよりよく理解するために, 理論駆動の枠組みを開発する。
論文 参考訳（メタデータ） (2025-06-21T23:09:04Z) - A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。
従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。
オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
論文 参考訳（メタデータ） (2024-10-19T11:11:09Z) - SoK: Software Compartmentalization [3.058923790501231]
大規模なシステムを小さなコンポーネントに分解することは、エクスプロイトの影響を最小限に抑える効果的な方法として長年認識されてきた。
歴史的ルーツ、実証された利益、そして学術と産業における多くの研究努力にもかかわらず、ソフトウェアの区画化は依然として主流ではない。
本稿では,構成化アプローチの体系的分析,比較,指示のための統一モデルを提案する。
論文 参考訳（メタデータ） (2024-10-11T00:38:45Z) - Fairness in Recommender Systems: Research Landscape and Future
Directions [119.67643184567623]
本稿は,近年の地域におけるフェアネスの概念と概念について概観する。
この分野での研究が現在どのように行われているのかを概観する。
全体として、最近の研究成果の分析は、ある研究のギャップを示している。
論文 参考訳（メタデータ） (2022-05-23T08:34:25Z) - Refining the Semantics of Epistemic Specifications [0.0]
我々は、既存のセマンティクスアプローチ、満足なセマンティクスが満足すべき基準、そしてそれらを改善する方法に焦点を当てる。
本稿では,カバラーらの最近の形式主義である自己観血的ASPの反射的拡張とみなすことができる,てんかん性ASPに対する少し新しい意味論を提案する。
論文 参考訳（メタデータ） (2021-09-17T01:47:19Z) - Towards Understanding the Adversarial Vulnerability of Skeleton-based
Action Recognition [133.35968094967626]
骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。
ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。
異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
論文 参考訳（メタデータ） (2020-05-14T17:12:52Z)
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。