論文の概要: SRSUPM: Sequential Recommender System Based on User Psychological Motivation

• arxiv url: http://arxiv.org/abs/2602.08667v1
• Date: Mon, 09 Feb 2026 13:54:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.257697
• Title: SRSUPM: Sequential Recommender System Based on User Psychological Motivation
• Title（参考訳）: SRSUPM:ユーザ心理モチベーションに基づくシーケンスレコメンダシステム
• Authors: Yicheng Di, Yuan Liu, Zhi Chen, Jingcai Guo,
• Abstract要約: シークエンシャルレコメンダは、ユーザの進化する心理的モチベーションを歴史的相互作用から推測し、次の推奨項目を推薦する。 既存のほとんどの方法は、最近の振る舞いを1つのベクトルに圧縮し、単一の観測対象項目に向けて最適化するが、心理的モチベーションシフトの明確なモデリングは欠如している。 本稿では,ユーザの心理的モチベーションに基づく逐次リコメンデーションシステム(Sequential Recommender System)を提案する。
• 参考スコア（独自算出の注目度）: 23.733879334597688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommender infers users' evolving psychological motivations from historical interactions to recommend the next preferred items. Most existing methods compress recent behaviors into a single vector and optimize it toward a single observed target item, but lack explicit modeling of psychological motivation shift. As a result, they struggle to uncover the distributional patterns across different shift degrees and to capture collaborative knowledge that is sensitive to psychological motivation shift. We propose a general framework, the Sequential Recommender System Based on User Psychological Motivation, to enhance sequential recommenders with psychological motivation shift-aware user modeling. Specifically, the Psychological Motivation Shift Assessment quantitatively measures psychological motivation shift; guided by PMSA, the Shift Information Construction models dynamically evolving multi-level shift states, and the Psychological Motivation Shift-driven Information Decomposition decomposes and regularizes representations across shift levels. Moreover, the Psychological Motivation Shift Information Matching strengthens collaborative patterns related to psychological motivation shift to learn more discriminative user representations. Extensive experiments on three public benchmarks show that SRSUPM consistently outperforms representative baselines on diverse sequential recommender tasks.
• Abstract（参考訳）: シークエンシャルレコメンダは、ユーザの進化する心理的モチベーションを歴史的相互作用から推測し、次の推奨項目を推薦する。 既存のほとんどの方法は、最近の振る舞いを1つのベクトルに圧縮し、単一の観測対象項目に向けて最適化するが、心理的モチベーションシフトの明確なモデリングは欠如している。 その結果、彼らは異なるシフトの度合いにまたがる分布パターンを明らかにし、心理的モチベーションの変化に敏感な協調的な知識を捉えるのに苦労した。 本稿では,ユーザの心理的モチベーションに基づく逐次リコメンデーションシステム(Sequential Recommender System)を提案する。 特に、心理的モチベーションシフト評価は、PMSAが導いた心理的モチベーションシフト、多段階シフト状態を動的に進化させるシフト情報構築モデル、心理的モチベーションシフト駆動型情報分解を定量的に測定し、シフトレベルをまたいだ表現を分解・調整する。 さらに、心理的モチベーションシフト情報マッチングは、より差別的なユーザ表現を学ぶために、心理的モチベーションシフトに関連する協調パターンを強化する。 3つの公開ベンチマークの大規模な実験は、SRSUPMが様々なシーケンシャルなレコメンデーションタスクにおいて、代表的ベースラインを一貫して上回っていることを示している。

関連論文リスト

• Psychologically Enhanced AI Agents [14.578486345810681]
  本稿では,Large Language Model (LLM)エージェントの有効性を高めるためのフレームワークMBTI-in-Thoughtsを紹介する。 本手法は, 素早い工学的手法により, 異なる性格的特徴を持つエージェントを素数化する。 このようなパーソナリティプライミングは、多様なタスクにまたがる一貫した、解釈可能な行動バイアスをもたらすことを示す。
  論文  参考訳（メタデータ） (2025-09-04T16:03:03Z)
• Investigating VLM Hallucination from a Cognitive Psychology Perspective: A First Step Toward Interpretation with Intriguing Observations [60.63340688538124]
  幻覚は、視覚言語モデル(VLM)で積極的に研究されている長年の問題である。 既存の研究は、幻覚は技術的な制限や梅毒のバイアスによるもので、後者はモデルがユーザの期待に沿う誤った回答を生み出す傾向があることを意味している。 本研究では, VLMの認知バイアスを分類し, サイコフィナンシー, 論理的不整合, 新たに同定された VLM の行動, 権威へのアピールなど, 幻覚へと導く。
  論文  参考訳（メタデータ） (2025-07-03T19:03:16Z)
• Exploring human-SAV interaction using LLMs: The impact of psychological factors on user experience [1.0195618602298684]
  本研究では,大規模言語モデル(LLM)を用いた会話型SAVエージェントの迅速な戦略が,ユーザの認識,経験,採用意図にどのように影響するかを検討する。 人為的特徴の異なる4つのSAVエージェントと心理的所有権のトリガーを設計した。 以上の結果から,SAVはより人為的であり,心理的所有権を誘発するように設計されており,SAVの人間的特性に対するユーザの認識が向上したことが示唆された。
  論文  参考訳（メタデータ） (2025-04-23T09:25:22Z)
• Personalized Behavior-Aware Transformer for Multi-Behavior Sequential Recommendation [25.400756652696895]
  マルチビヘイビアシーケンスレコメンデーション(MBSR)問題に対するパーソナライズされた行動認識変換フレームワーク(PBAT)を提案する。 PBATは表現層にパーソナライズされた振舞いパターン生成器を開発し,逐次学習のための動的・識別的な振舞いパターンを抽出する。 3つのベンチマークデータセットで実験を行い、その結果、フレームワークの有効性と解釈性を示した。
  論文  参考訳（メタデータ） (2024-02-22T12:03:21Z)
• Towards Psychologically-Grounded Dynamic Preference Models [24.29415641848088]
  我々は、リコメンデーションが人の嗜好に与える影響をモデル化するには、心理的に妥当なモデルに基礎を置く必要があると論じる。 本手法は,心理学文献から3つの古典的効果(平均露光,操作条件,ヘドニック適応)を捉えるモデルを用いて実証する。
  論文  参考訳（メタデータ） (2022-08-01T16:53:58Z)
• 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)
• AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
  直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。 他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。 本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
  論文  参考訳（メタデータ） (2021-02-24T14:58:23Z)
• Intrinsic Motivation for Encouraging Synergistic Behavior [55.10275467562764]
  スパース・リワード・シナジスティック・タスクにおける強化学習の探索バイアスとしての本質的モチベーションの役割について検討した。 私たちのキーとなる考え方は、シナジスティックなタスクにおける本質的なモチベーションのための優れた指針は、エージェントが自分自身で行動している場合、達成できない方法で世界に影響を与える行動を取ることである。
  論文  参考訳（メタデータ） (2020-02-12T19:34:51Z)

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。