論文の概要: The 2nd Workshop on Human-Centered Recommender Systems

• arxiv url: http://arxiv.org/abs/2511.19979v1
• Date: Tue, 25 Nov 2025 06:49:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.308108
• Title: The 2nd Workshop on Human-Centered Recommender Systems
• Title（参考訳）: 第2回人間中心型レコメンダシステムワークショップ
• Authors: Kaike Zhang, Jiakai Tang, Du Su, Shuchang Liu, Julian McAuley, Lina Yao, Qi Cao, Yue Feng, Fei Sun,
• Abstract要約: Human-Centered Recommender Systemsワークショップでは、エンゲージメントの最適化から、人々を真に理解し、関与し、利益をもたらすシステム設計へのパラダイムシフトを呼びかけている。 研究者をレコメンデーションシステム、人間とコンピュータのインタラクション、AIの安全性、ソーシャルコンピューティングに集めて、人間の価値をレコメンデーションプロセスに統合する方法を探求する。 Human Understanding、Human Involvement、Human Impact-HCRSの3つのテーマが中心で、LLMベースのインタラクティブレコメンデーターから社会福祉の最適化まで、トピックをカバーする基調講演、パネル、論文が特徴である。
• 参考スコア（独自算出の注目度）: 37.23326108953788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems shape how people discover information, form opinions, and connect with society. Yet, as their influence grows, traditional metrics, e.g., accuracy, clicks, and engagement, no longer capture what truly matters to humans. The workshop on Human-Centered Recommender Systems (HCRS) calls for a paradigm shift from optimizing engagement toward designing systems that truly understand, involve, and benefit people. It brings together researchers in recommender systems, human-computer interaction, AI safety, and social computing to explore how human values, e.g., trust, safety, fairness, transparency, and well-being, can be integrated into recommendation processes. Centered around three thematic axes-Human Understanding, Human Involvement, and Human Impact-HCRS features keynotes, panels, and papers covering topics from LLM-based interactive recommenders to societal welfare optimization. By fostering interdisciplinary collaboration, HCRS aims to shape the next decade of responsible and human-aligned recommendation research.
• Abstract（参考訳）: 推薦システムは、人々が情報を発見し、意見を形成し、社会と結びつく方法を形成する。 しかし、その影響力が増すにつれて、例えば正確性、クリック、エンゲージメントといった従来のメトリクスは、もはや人間にとって本当に重要なものを取り込むことができなくなります。 HCRS(Human-Centered Recommender Systems)に関するワークショップでは、エンゲージメントの最適化から、人々を真に理解し、関与し、利益をもたらすシステム設計へのパラダイムシフトを訴えている。 これは、リコメンデーションシステム、人間とコンピュータのインタラクション、AIの安全性、そしてソーシャルコンピューティングの研究者たちを集め、人間の価値、例えば、信頼、安全、公正性、透明性、幸福をレコメンデーションプロセスに統合する方法を探求する。 Human Understanding、Human Involvement、Human Impact-HCRSの3つのテーマが中心で、LLMベースのインタラクティブレコメンデーターから社会福祉の最適化まで、トピックをカバーする基調講演、パネル、論文が特徴である。 学際的なコラボレーションを促進することで、HCRSは今後10年間にわたる責任と人道的なレコメンデーション研究を形作ることを目指している。

関連論文リスト

• Human-Machine Collaboration and Ethical Considerations in Adaptive Cyber-Physical Systems [0.0]
  HMT(Human-Machine Teaming)は、人間と機械のコラボレーションにおける最も先進的なパラダイムである。 適応型CPSにおける効果的かつシームレスなHMTの実現は困難である。 本研究では,HMTを適応型CPSに統合するための新しい手法とプロセスを開発することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-07-03T12:34:52Z)
• Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models [70.180385882195]
  本稿では,対話型レコメンダシステム(CRS)のためのパーソナリティを考慮したユーザシミュレーションを提案する。 ユーザエージェントはカスタマイズ可能な性格特性と嗜好を誘導し、システムエージェントはCRS内の現実的な相互作用をシミュレートする説得能力を有する。 実験により,現在最先端のLCMは,特定の性格特性に適合した多様なユーザ応答を効果的に生成できることが示された。
  論文  参考訳（メタデータ） (2025-04-09T13:21:17Z)
• The 1st Workshop on Human-Centered Recommender Systems [27.23807230278776]
  このワークショップは、研究者が人間中心のレコメンダシステムを開発するためのプラットフォームを提供することを目的としている。 HCRSは、設計と運用の中心にある人間の要求、価値観、能力を優先するレコメンデーターシステムを作成することを指す。 このワークショップには、堅牢性、プライバシー、透明性、公正性、多様性、説明責任、倫理的考慮事項、ユーザフレンドリーなデザインなど、トピックスを含めるが制限されない。
  論文  参考訳（メタデータ） (2024-11-22T06:46:41Z)
• Towards Human-centered Proactive Conversational Agents [60.57226361075793]
  積極的システムと反応性システムの区別は、積極的システムのイニシアティブな性質にある。 我々は,人間中心型PCAの3つの重要な側面,すなわち知性,適応性,市民性に関する新たな分類法を確立する。
  論文  参考訳（メタデータ） (2024-04-19T07:14:31Z)
• RAH! RecSys-Assistant-Human: A Human-Centered Recommendation Framework with LLM Agents [30.250555783628762]
  この研究は、これらの問題に対処することは単にレコメンダシステムの責任ではないと主張している。 本稿では,RAH Recommenderシステム,Assistant,Humanフレームワークを紹介する。 私たちのコントリビューションは、さまざまなレコメンデーションモデルと効果的に連携する、人間中心のレコメンデーションフレームワークを提供します。
  論文  参考訳（メタデータ） (2023-08-19T04:46:01Z)
• Solving NLP Problems through Human-System Collaboration: A Discussion-based Approach [98.13835740351932]
  本研究の目的は,対話を通じて予測を議論・洗練するシステムのための,データセットと計算フレームワークを構築することである。 提案システムでは,自然言語推論タスクにおいて,最大25ポイントの精度向上が期待できることを示す。
  論文  参考訳（メタデータ） (2023-05-19T16:24:50Z)
• A Comprehensive Survey on Trustworthy Recommender Systems [32.523177842969915]
  本稿では,信頼に値するレコメンダシステム (TRec) の概要について概説する。 それぞれの側面について、最近の技術についてまとめ、信頼性の高いレコメンデータシステムの実現を支援する研究の方向性について論じる。
  論文  参考訳（メタデータ） (2022-09-21T04:34:17Z)
• INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
  レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。 分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
  論文  参考訳（メタデータ） (2020-09-29T21:03:44Z)

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。