論文の概要: Generative Agents Navigating Digital Libraries

• arxiv url: http://arxiv.org/abs/2602.22529v1
• Date: Thu, 26 Feb 2026 02:08:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-27 18:41:22.475458
• Title: Generative Agents Navigating Digital Libraries
• Title（参考訳）: デジタルライブラリをナビゲートする生成エージェント
• Authors: Saber Zerhoudi, Michael Granitzer,
• Abstract要約: Agent4DLは、デジタルライブラリ環境用に特別に設計されたユーザ検索行動シミュレータである。 Agent4DLは、実際の検索戦略を忠実に模倣する、現実的なユーザプロファイルと動的検索セッションを生成する。 実ユーザインタラクションを再現するシミュレータの精度は,実ユーザデータとの比較により検証されている。
• 参考スコア（独自算出の注目度）: 2.50369129460887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the rapidly evolving field of digital libraries, the development of large language models (LLMs) has opened up new possibilities for simulating user behavior. This innovation addresses the longstanding challenge in digital library research: the scarcity of publicly available datasets on user search patterns due to privacy concerns. In this context, we introduce Agent4DL, a user search behavior simulator specifically designed for digital library environments. Agent4DL generates realistic user profiles and dynamic search sessions that closely mimic actual search strategies, including querying, clicking, and stopping behaviors tailored to specific user profiles. Our simulator's accuracy in replicating real user interactions has been validated through comparisons with real user data. Notably, Agent4DL demonstrates competitive performance compared to existing user search simulators such as SimIIR 2.0, particularly in its ability to generate more diverse and context-aware user behaviors.
• Abstract（参考訳）: デジタルライブラリの急速に発展する分野では、大規模言語モデル(LLM)の開発が、ユーザの振る舞いをシミュレートする新たな可能性を開いた。 このイノベーションは、デジタルライブラリ研究における長年にわたる課題、すなわちプライバシー上の懸念によるユーザ検索パターン上の公開データセットの不足に対処するものだ。 本稿では,デジタルライブラリ環境に特化して設計されたユーザ検索行動シミュレータであるAgent4DLを紹介する。 Agent4DLは、クエリ、クリック、特定のユーザープロファイルに適した動作の停止など、実際の検索戦略を忠実に模倣する、現実的なユーザプロファイルと動的検索セッションを生成する。 実ユーザインタラクションを再現するシミュレータの精度は,実ユーザデータとの比較により検証されている。 特に、Agent4DLは、SimIIR 2.0のような既存のユーザサーチシミュレータと比較して、より多様なコンテキスト対応のユーザ動作を生成する能力において、競争力のある性能を示している。

関連論文リスト

• How Reliable is Your Simulator? Analysis on the Limitations of Current LLM-based User Simulators for Conversational Recommendation [14.646529557978512]
  本稿では,対話型レコメンダシステムのためのユーザシミュレータ構築におけるLarge Language Modelsの使用制限について分析する。 会話履歴やユーザシミュレータの応答で発生するデータ漏洩は,評価結果を膨らませる結果となる。 そこで我々はSimpleUserSimを提案する。
  論文  参考訳（メタデータ） (2024-03-25T04:21:06Z)
• USimAgent: Large Language Models for Simulating Search Users [33.17004578463697]
  本稿では,大規模言語モデルに基づくユーザ検索行動シミュレータUSimAgentを紹介する。 シミュレータは、検索中のユーザのクエリ、クリック、動作の停止をシミュレートすることができる。 実ユーザ行動データセットに関する実証調査では、シミュレータがクエリ生成において既存のメソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-14T07:40:54Z)
• BASES: Large-scale Web Search User Simulation with Large Language Model based Agents [108.97507653131917]
  BASESは、大きな言語モデル(LLM)を持つ新しいユーザーシミュレーションフレームワークである。 シミュレーションフレームワークは,大規模に独自のユーザプロファイルを生成することができ,その結果,多様な検索行動が生まれる。 WARRIORSは、中国語と英語の両方のバージョンを含む、Web検索ユーザ行動を含む、新しい大規模なデータセットである。
  論文  参考訳（メタデータ） (2024-02-27T13:44:09Z)
• On Generative Agents in Recommendation [58.42840923200071]
  Agent4Recは、Large Language Modelsに基づいたレコメンデーションのユーザーシミュレータである。 各エージェントは、ページ単位でパーソナライズされた推奨モデルと対話する。
  論文  参考訳（メタデータ） (2023-10-16T06:41:16Z)
• User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
  LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。 実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
  論文  参考訳（メタデータ） (2023-06-05T02:58:35Z)
• Multi-Agent Task-Oriented Dialog Policy Learning with Role-Aware Reward Decomposition [64.06167416127386]
  本稿では,システムとユーザの両方をダイアログエージェントとみなすマルチエージェントダイアログポリシー学習を提案する。 2人のエージェントが互いに相互作用し、同時に一緒に学習されます。 その結果,本手法がシステムポリシとユーザポリシを同時に構築できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-08T04:51:40Z)

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。