論文の概要: Cyberswarm: a novel swarm intelligence algorithm inspired by cyber community dynamics

• arxiv url: http://arxiv.org/abs/2512.14752v1
• Date: Sun, 14 Dec 2025 12:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.718848
• Title: Cyberswarm: a novel swarm intelligence algorithm inspired by cyber community dynamics
• Title（参考訳）: Cyberswarm:サイバーコミュニティのダイナミックスにインスパイアされた新しい群れ知能アルゴリズム
• Authors: Abdelsadeq Elfergany, Ammar Adl, Mohammed Kayed,
• Abstract要約: 本稿では,レコメンデーションシステムのための汎用Swarmインテリジェンスアルゴリズムを提案する。 このフレームワークは、動的なハイパーグラフ構造内のユーザの好みとコミュニティの影響をモデル化する。 提案アルゴリズムは,個別の嗜好やコミュニティの影響をブリッジすることで,レコメンデーションシステムの進歩を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommendation systems face challenges in dynamically adapting to evolving user preferences and interactions within complex social networks. Traditional approaches often fail to account for the intricate interactions within cyber-social systems and lack the flexibility to generalize across diverse domains, highlighting the need for more adaptive and versatile solutions. In this work, we introduce a general-purpose swarm intelligence algorithm for recommendation systems, designed to adapt seamlessly to varying applications. It was inspired by social psychology principles. The framework models user preferences and community influences within a dynamic hypergraph structure. It leverages centrality-based feature extraction and Node2Vec embeddings. Preference evolution is guided by message-passing mechanisms and hierarchical graph modeling, enabling real-time adaptation to changing behaviors. Experimental evaluations demonstrated the algorithm's superior performance in various recommendation tasks, including social networks and content discovery. Key metrics such as Hit Rate (HR), Mean Reciprocal Rank (MRR), and Normalized Discounted Cumulative Gain (NDCG) consistently outperformed baseline methods across multiple datasets. The model's adaptability to dynamic environments allowed for contextually relevant and precise recommendations. The proposed algorithm represents an advancement in recommendation systems by bridging individual preferences and community influences. Its general-purpose design enables applications in diverse domains, including social graphs, personalized learning, and medical graphs. This work highlights the potential of integrating swarm intelligence with network dynamics to address complex optimization challenges in recommendation systems.
• Abstract（参考訳）: 勧告システムは、複雑なソーシャルネットワーク内でのユーザの好みやインタラクションの進化に動的に適応する上で、課題に直面している。 従来のアプローチは、サイバー社会システム内の複雑な相互作用を説明できないことが多く、様々な領域にまたがる一般化の柔軟性に欠けており、より適応的で汎用的なソリューションの必要性を強調している。 本研究では,様々なアプリケーションにシームレスに適応するように設計されたレコメンデーションシステムのための汎用Swarmインテリジェンスアルゴリズムを提案する。 社会心理学の原理に触発された。 このフレームワークは、動的なハイパーグラフ構造内のユーザの好みとコミュニティの影響をモデル化する。 中心性ベースの機能抽出とNode2Vecの埋め込みを利用する。 優先度の進化は、メッセージパッシング機構と階層グラフモデリングによって導かれる。 実験により、ソーシャルネットワークやコンテンツ発見など様々な推薦タスクにおいて、アルゴリズムの優れた性能が示された。 Hit Rate(HR)やMean Reciprocal Rank(MRR)、Nocalized Discounted Cumulative Gain(NDCG)といった主要な指標は、複数のデータセットで一貫してベースラインメソッドよりも優れています。 このモデルの動的環境への適応性は、文脈的に関係があり、正確なレコメンデーションを可能にした。 提案アルゴリズムは,個別の嗜好やコミュニティの影響をブリッジすることで,レコメンデーションシステムの進歩を示す。 その汎用設計により、ソーシャルグラフ、パーソナライズドラーニング、医療グラフなど、さまざまな分野の応用が可能になる。 この研究は、リコメンデーションシステムにおける複雑な最適化課題に対処するために、Swarmインテリジェンスとネットワークダイナミクスを統合する可能性を強調している。

関連論文リスト

• DynamiX: Large-Scale Dynamic Social Network Simulator [101.65679342680542]
  DynamiXは、動的ソーシャルネットワークモデリングに特化した新しい大規模ソーシャルネットワークシミュレータである。 世論のリーダーに対しては、情報ストリームに基づくリンク予測手法を提案し、同様の姿勢で潜在的ユーザを推薦する。 一般ユーザに対しては,不等式指向の行動決定モジュールを構築する。
  論文  参考訳（メタデータ） (2025-07-26T12:13:30Z)
• GGBond: Growing Graph-Based AI-Agent Society for Socially-Aware Recommender Simulation [2.7083394633019973]
  本研究では,ユーザの行動変化を現実的にシミュレートする高忠実な社会シミュレーションプラットフォームを提案する。 このシステムは、重要な心理的メカニズムをカプセル化した5層認知アーキテクチャを備えたSim-User Agentsの集団で構成されている。 特に、心理学的・社会学的理論に基づく近親感-好奇心-相反性--リスク(ICR2)のモチベーションエンジンについて紹介する。
  論文  参考訳（メタデータ） (2025-05-27T13:09:21Z)
• Adaptive Preference Aggregation [1.6317061277457001]
  社会的選択理論は嗜好を集約する枠組みを提供するが、AIの典型的な多次元アプリケーションのために開発されたものではない。 本研究は、ユーザのコンテキストに適応し、Condorcet-Consistent Solutionのコンセプトである最大抽選の良さを継承する選好集約戦略を導入する。
  論文  参考訳（メタデータ） (2025-03-13T09:57:41Z)
• Enhancing Recommendation Systems with GNNs and Addressing Over-Smoothing [7.06152589784002]
  本稿では、グラフニューラルネットワーク(GNN)を利用したレコメンデーションシステムの強化における重要な課題に対処する。 提案手法では、3つのGNNベースのレコメンデーションモデルを導入する。 この研究は、透明で正当化可能な提案を提供することを目的として、レコメンデーションシステムにおける解釈可能性の重要な必要性を強調している。
  論文  参考訳（メタデータ） (2024-12-04T07:50:27Z)
• Online Relational Inference for Evolving Multi-agent Interacting Systems [14.275434303742328]
  オンライン推論(ORI)は、マルチエージェントインタラクションシステムの進化において、隠れた相互作用グラフを効率的に識別するように設計されている。 固定トレーニングセットに依存する従来のオフラインメソッドとは異なり、ORIはオンラインバックプロパゲーションを採用し、新しいデータポイント毎にモデルを更新する。 重要な革新は、AdaRelationと呼ばれる新しい適応学習技術によって最適化されたトレーニング可能なパラメータとして、隣接行列を使用することである。
  論文  参考訳（メタデータ） (2024-11-03T05:43:55Z)
• Multi-Agent Reinforcement Learning for Power Control in Wireless Networks via Adaptive Graphs [1.1861167902268832]
  多エージェント深部強化学習(MADRL)は、電力制御のような幅広い複雑な最適化問題に対処するための有望な手法として登場した。 本稿では,これらの課題を緩和する有効な手段として,分散エージェント間の通信誘導構造としてグラフを用いることを提案する。
  論文  参考訳（メタデータ） (2023-11-27T14:25:40Z)
• APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
  逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。 一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
  論文  参考訳（メタデータ） (2023-11-06T01:33:24Z)
• Generative Adversarial Reward Learning for Generalized Behavior Tendency Inference [71.11416263370823]
  ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。 我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
  論文  参考訳（メタデータ） (2021-05-03T13:14:25Z)
• Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
  本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。 これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。 本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
  論文  参考訳（メタデータ） (2020-06-19T20:49:14Z)
• Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives [73.15276998621582]
  一般化能力を高めたCNN訓練を推進するための汎用的特徴学習機構を提案する。 DSNに部分的にインスパイアされた私たちは、ニューラルネットワークの中間層から微妙に設計されたサイドブランチをフォークしました。 カテゴリ認識タスクとインスタンス認識タスクの両方の実験により,提案手法の大幅な改善が示された。
  論文  参考訳（メタデータ） (2020-03-24T09:56:13Z)

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。