論文の概要: An Comparative Analysis about KYC on a Recommendation System Toward Agentic Recommendation System

• arxiv url: http://arxiv.org/abs/2512.23961v1
• Date: Tue, 30 Dec 2025 03:25:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.267893
• Title: An Comparative Analysis about KYC on a Recommendation System Toward Agentic Recommendation System
• Title（参考訳）: エージェントレコメンデーションシステムに向けたレコメンデーションシステムにおけるKYCの比較分析
• Authors: Junjie H. Xu,
• Abstract要約: 本研究では,金融分野におけるエージェントAIを活用した最先端のレコメンデーションシステムを提案する。 本研究は,Baidu や Xiaohongshu などのプラットフォームから理論フレームワークや業界ベンチマークを用いて実験データを合成することにより,大規模エージェントレコメンデーションシステムを構築するための実験結果を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This research presents a cutting-edge recommendation system utilizing agentic AI for KYC (Know Your Customer in the financial domain), and its evaluation across five distinct content verticals: Advertising (Ad), News, Gossip, Sharing (User-Generated Content), and Technology (Tech). The study compares the performance of four experimental groups, grouping by the intense usage of KYC, benchmarking them against the Normalized Discounted Cumulative Gain (nDCG) metric at truncation levels of $k=1$, $k=3$, and $k=5$. By synthesizing experimental data with theoretical frameworks and industry benchmarks from platforms such as Baidu and Xiaohongshu, this research provides insight by showing experimental results for engineering a large-scale agentic recommendation system.
• Abstract（参考訳）: 本研究は,KYCのエージェントAIを活用した最先端の推薦システムと,広告(広告),ニュース,ゴシップ,共有(ユーザ生成コンテンツ),技術(技術)の5分野にわたる評価を行う。 この研究は、4つの実験群のパフォーマンスを比較し、KYCの高用量によってグループ化され、通常の非カウント累積ゲイン(nDCG)測定値($k=1$, $k=3$, $k=5$)と比較した。 本研究は,Baidu や Xiaohongshu などのプラットフォームから理論フレームワークや業界ベンチマークを用いて実験データを合成することにより,大規模エージェントレコメンデーションシステムを構築するための実験結果を示す。

関連論文リスト

• ResearchGPT: Benchmarking and Training LLMs for End-to-End Computer Science Research Workflows [109.34792911044394]
  CS-54k(CS-54k)は、コンピュータ科学におけるQ&Aペアの高品質なコーパスである。 CS-4kは、科学研究を支援するAIの能力を評価するためのベンチマークである。 CS-50kは大規模なトレーニングデータセットである。
  論文  参考訳（メタデータ） (2025-10-23T07:07:35Z)
• Chunk Twice, Embed Once: A Systematic Study of Segmentation and Representation Trade-offs in Chemistry-Aware Retrieval-Augmented Generation [0.0]
  Retrieval-Augmented Generationシステムは、科学文献の絶え間なく拡大する身体をナビゲートするためにますます重要になっている。 本研究は,化学に特化したRAGシステムに適したチャンキング戦略と埋め込みモデルの大規模かつ体系的な評価を行った最初の事例である。
  論文  参考訳（メタデータ） (2025-06-13T07:44:53Z)
• The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
  BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。 本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。 大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
  論文  参考訳（メタデータ） (2024-12-06T23:43:59Z)
• Toward Automatic Relevance Judgment using Vision--Language Models for Image--Text Retrieval Evaluation [56.49084589053732]
  VLM(Vision-Language Models)は、様々なアプリケーションで成功を収めてきたが、関連性判断を支援する可能性はまだ不明である。 本稿では,CLIP,LLaVA,GPT-4Vを含むVLMの関連性評価機能について,ゼロショット方式でマルチメディアコンテンツ作成に適した大規模テキスト分割ホック検索タスクで評価する。
  論文  参考訳（メタデータ） (2024-08-02T16:15:25Z)
• InFoBench: Evaluating Instruction Following Ability in Large Language Models [57.27152890085759]
  Decomposed Requirements following Ratio (DRFR) は、命令に従うLarge Language Models (LLM) 能力を評価するための新しい指標である。 InFoBenchは500の多様な命令と2250の分解された質問を複数の制約カテゴリに分けたベンチマークである。
  論文  参考訳（メタデータ） (2024-01-07T23:01:56Z)
• Algorithmic Collusion or Competition: the Role of Platforms' Recommender Systems [2.2706058775017217]
  オンラインプラットフォームは通常、消費者が商品を発見し購入する方法に影響を与えるレコメンデーションシステムを展開する。 いくつかの重要なコンポーネントを統合する新しいゲームフレームワークを提案する。 収益最大化レコメンダシステムはアルゴリズムによる共謀を増大させるのに対し,ユーティリティ最大化レコメンダシステムは売り手間の競争力を高めていることを示す。
  論文  参考訳（メタデータ） (2023-09-25T21:45:30Z)
• Empowering recommender systems using automatically generated Knowledge Graphs and Reinforcement Learning [4.265618817465018]
  本研究では、多国籍金融サービス企業におけるパーソナライズされた記事レコメンデーションのための2つのアプローチを提案する。 第一のアプローチは強化学習(RL)を利用して、構造化された(タブラル)データと構造化されていない(テキスト)データの両方から構築されたKGをトラバースする。 第2のアプローチはXGBoostアルゴリズムを採用し、透明性を高めるためにSHAPやELI5といったポストホックな説明可能性技術を採用している。
  論文  参考訳（メタデータ） (2023-07-11T03:24:54Z)
• Exploring Customer Price Preference and Product Profit Role in Recommender Systems [0.4724825031148411]
  我々は,レコメンデーションシステムの利益意識を操作する効果を示す。 本稿では,スコアベースのレコメンデータシステムにおいて,予測ランキングの調整を提案する。 実験では、精度と生成したレコメンデーションの利益の両方を改善する能力を示す。
  論文  参考訳（メタデータ） (2022-03-13T12:08:06Z)
• What Makes Good In-Context Examples for GPT-$3$? [101.99751777056314]
  GPT-$3$はNLPタスクの広い範囲でその優れた性能のために多くの注目を集めています。 その成功にもかかわらず、我々はGPT-$3$の実証結果が文脈内例の選択に大きく依存していることを発見した。 本研究では,文脈内事例を適切に選択するためのより効果的な戦略が存在するかを検討する。
  論文  参考訳（メタデータ） (2021-01-17T23:38:40Z)

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。