論文の概要: Civic Ground Truth in News Recommenders: A Method for Public Value Scoring
- arxiv url: http://arxiv.org/abs/2510.22865v1
- Date: Sun, 26 Oct 2025 23:16:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.398957
- Title: Civic Ground Truth in News Recommenders: A Method for Public Value Scoring
- Title（参考訳）: ニュースレコメンダにおける市民基盤の真理--公共価値評価手法
- Authors: James Meese, Kyle Herbertson,
- Abstract要約: 本稿では,ニュースレコメンデーションシステムに市民価値を埋め込む手法を提案する。
提案する市民的真実のアプローチは,全国的に代表される調査を通じて,価値に基づくラベルを作成することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research in news recommendation systems (NRS) continues to explore the best ways to integrate normative goals such as editorial objectives and public service values into existing systems. Prior efforts have incorporated expert input or audience feedback to quantify these values, laying the groundwork for more civic-minded recommender systems. This paper contributes to that trajectory, introducing a method for embedding civic values into NRS through large-scale, structured audience evaluations. The proposed civic ground truth approach aims to generate value-based labels through a nationally representative survey that are generalisable across a wider news corpus, using automated metadata enrichment.
- Abstract（参考訳）: ニュースレコメンデーションシステム(NRS)の研究は、編集目的や公共サービスの価値といった規範的目標を既存のシステムに統合する最良の方法を模索し続けている。
以前の取り組みでは、これらの価値を定量化するために専門家のインプットやオーディエンスからのフィードバックが組み込まれており、より市民志向のレコメンデーションシステムの基礎となっている。
本稿では,大規模かつ構造化されたオーディエンス評価を通じて,NRSに市民価値を埋め込む手法を導入することにより,その軌道に寄与する。
提案する市民基盤真理のアプローチは,メタデータの自動強化を用いて,より広範なニュースコーパスにまたがる全国的な調査を通じて,価値に基づくラベルを生成することを目的としている。
関連論文リスト
- Public Service Algorithm: towards a transparent, explainable, and scalable content curation for news content based on editorial values [0.0]
Public Service Algorithm(PSA)は、Public Service Media(PSM)にインスパイアされた価値に基づいた、スケーラブルで透明なコンテンツキュレーションのための新しいフレームワークである。
以上の結果から,人間の編集判断とLarge Language Models (LLMs) の評価との間に有望な整合性があることが示唆された。
この研究は、信頼できるニュースコンテンツの自動キュレーションのためのスケーラブルなフレームワークへの第一歩となる。
論文 参考訳（メタデータ） (2025-06-27T14:39:38Z) - OpenReview Should be Protected and Leveraged as a Community Asset for Research in the Era of Large Language Models [55.21589313404023]
OpenReviewは、研究論文、ピアレビュー、著者の反論、メタレビュー、決定結果の継続的な進化を続けるリポジトリである。
OpenReviewは、ピアレビュープロセスの品質、スケーラビリティ、説明責任の向上、真に専門家の議論に根ざした有意義でオープンなベンチマークの実現、専門家の評価、意図、科学的価値を反映した現実世界のインタラクションによるアライメント研究の支援という、ユニークな貢献が可能な3つの領域を強調します。
コミュニティは、OpenReviewに関する標準化されたベンチマークと利用ガイドラインを共同で検討し、責任あるデータの使用、倫理的考慮、集団スチュワードシップに関するより広範な対話を招待することを提案します。
論文 参考訳（メタデータ） (2025-05-24T09:07:13Z) - Re-evaluating Open-ended Evaluation of Large Language Models [50.23008729038318]
現在のEloベースのレーティングシステムは、データ、意図的、あるいは偶発的なバイアスの影響を受けやすく、さらに強化できることを示している。
本稿では,3人プレイヤゲームとしての評価を提案し,冗長性に対するロバスト性を確保するために,ゲーム理論の新たな概念を導入する。
論文 参考訳（メタデータ） (2025-02-27T15:07:47Z) - Pessimistic Evaluation [58.736490198613154]
情報アクセスシステムの評価は,情報アクセスの伝統に沿わない実用的価値を前提としている。
我々は,最悪のケースユーティリティに着目した情報アクセスシステムの悲観的評価を提唱する。
論文 参考訳（メタデータ） (2024-10-17T15:40:09Z) - A Survey on Fairness-aware Recommender Systems [59.23208133653637]
本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。
次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
論文 参考訳（メタデータ） (2023-06-01T07:08:22Z) - Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。
我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。
我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文 参考訳（メタデータ） (2022-06-26T12:07:56Z) - An Enhanced Text Classification to Explore Health based Indian
Government Policy Tweets [2.2082422928825136]
そこで本稿では,Twitter のさまざまな保健制度の分類を改良したテキスト分類フレームワークを提案する。
そこで我々は,新しいGloVe単語埋め込みとクラス固有の感情に基づくテキスト拡張手法(Mod-EDA)を提案する。
論文 参考訳（メタデータ） (2020-07-13T17:04:44Z)
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。