論文の概要: Co-Authoring the Self: A Human-AI Interface for Interest Reflection in Recommenders
- arxiv url: http://arxiv.org/abs/2510.08930v1
- Date: Fri, 10 Oct 2025 02:20:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 00:38:48.014577
- Title: Co-Authoring the Self: A Human-AI Interface for Interest Reflection in Recommenders
- Title（参考訳）: 自己認証:レコメンデーションにおける関心の反映のためのヒューマンAIインターフェース
- Authors: Ruixuan Sun, Junyuan Wang, Sanjali Roy, Joseph A. Konstan,
- Abstract要約: 本稿では,映画レコメンデーションシステムのための人間-AI協調プロファイルを提案する。
静的プロファイルとは異なり、この設計ではユーザーがシステムの推論を直接検査し、修正し、反映させることができる。
1775年のアクティブな映画レコメンデーションユーザによる8週間のオンラインフィールド展開では、ユーザ認識とシステム推論の相違が持続的に現れる。
- 参考スコア（独自算出の注目度）: 3.818305570907311
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Natural language-based user profiles in recommender systems have been explored for their interpretability and potential to help users scrutinize and refine their interests, thereby improving recommendation quality. Building on this foundation, we introduce a human-AI collaborative profile for a movie recommender system that presents editable personalized interest summaries of a user's movie history. Unlike static profiles, this design invites users to directly inspect, modify, and reflect on the system's inferences. In an eight-week online field deployment with 1775 active movie recommender users, we find persistent gaps between user-perceived and system-inferred interests, show how the profile encourages engagement and reflection, and identify design directions for leveraging imperfect AI-powered user profiles to stimulate more user intervention and build more transparent and trustworthy recommender experiences.
- Abstract（参考訳）: 自然言語に基づくレコメンデーションシステムにおけるユーザプロファイルは,ユーザの関心を精査し,洗練し,レコメンデーション品質を向上させるために,その解釈可能性や可能性について検討されてきた。
この基盤を基盤として,ユーザの映画履歴の編集可能なパーソナライズされた興味の要約を提示する映画レコメンデーションシステムのための人間とAIの協調プロファイルを導入する。
静的プロファイルとは異なり、この設計ではユーザーがシステムの推論を直接検査し、修正し、反映させることができる。
1775人のアクティブな映画レコメンデータユーザによる8週間のオンラインデプロイメントでは、ユーザ認識とシステム推論の相違点を見つけ、プロファイルがエンゲージメントとリフレクションをどのように促進するかを示し、不完全なAI駆動のユーザプロファイルを活用するための設計方向を特定して、より多くのユーザの介入を刺激し、より透明で信頼できるレコメンデータエクスペリエンスを構築する。
関連論文リスト
- RecoWorld: Building Simulated Environments for Agentic Recommender Systems [55.979427290369216]
エージェントレコメンデータシステムに適したシミュレーション環境を構築するための青写真であるRecoWorldを提示する。
ユーザシミュレータは、推奨項目をレビューし、その考え方を更新し、潜在的なユーザ切り離しを感知すると、反射指示を生成する。
エージェント推奨者は、これらのユーザ命令と推論トレースを取り入れ、ダイナミックなフィードバックループを作成することで、そのレコメンデーションに適応する。
論文 参考訳（メタデータ） (2025-09-12T16:44:34Z) - Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User [117.82681846559909]
会話レコメンデーションシステム(CRS)は、マルチターンインタラクションを使用してユーザの好みを捉え、パーソナライズされたレコメンデーションを提供する。
本稿では,CRSと自動インタラクションを行うための生成報酬モデルに基づくシミュレーションユーザGRSUを提案する。
論文 参考訳（メタデータ） (2025-04-29T06:37:30Z) - Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳（メタデータ） (2025-02-05T17:14:45Z) - Explainable Active Learning for Preference Elicitation [0.0]
我々は、最小限のユーザ労力で情報取得を最大化することを目的として、この問題を解決するためにアクティブラーニング(AL)を採用している。
ALは、大きなラベルのない集合から情報的データを選択して、それらをラベル付けするオラクルを問い合わせる。
ベースとなる機械学習(ML)モデルを更新するために、ユーザからのフィードバック(提示された項目に関するシステムの説明のために)を情報的なサンプルから収集する。
論文 参考訳（メタデータ） (2023-09-01T09:22:33Z) - Editable User Profiles for Controllable Text Recommendation [66.00743968792275]
制御可能なテキストレコメンデーションのための新しい概念値ボトルネックモデル LACE を提案する。
LACEは、人間の読みやすい概念の簡潔なセットで各ユーザーを表現する。
ユーザ文書に基づいて概念のパーソナライズされた表現を学習する。
論文 参考訳（メタデータ） (2023-04-09T14:52:18Z) - Influential Recommender System [12.765277278599541]
Influential Recommender System (IRS) は,ユーザが対象アイテムを好むように積極的に導くことを目的とした,新しいレコメンデーションパラダイムである。
IRSは、ユーザに慎重に選択された項目(影響経路と呼ばれる)のシーケンスを徐々に推奨する。
IRNはベースラインレコメンデータよりも優れており,ユーザの興味に影響を及ぼす能力を示している。
論文 参考訳（メタデータ） (2022-11-18T03:04:45Z)
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。