論文の概要: LLMGreenRec: LLM-Based Multi-Agent Recommender System for Sustainable E-Commerce
- arxiv url: http://arxiv.org/abs/2603.11025v1
- Date: Wed, 11 Mar 2026 17:49:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:33.088729
- Title: LLMGreenRec: LLM-Based Multi-Agent Recommender System for Sustainable E-Commerce
- Title（参考訳）: LLMGreenRec:持続可能な電子商取引のためのLLMベースのマルチエージェントレコメンダシステム
- Authors: Hao N. Nguyen, Hieu M. Nguyen, Son Van Nguyen, Nguyen Thi Hanh,
- Abstract要約: eコマースにおける環境意識の向上は、ユーザを持続可能な製品に導くだけでなく、独自のデジタルカーボンフットプリントを最小化するレコメンデーションシステムを必要とする。
LLMGreenRecは、LLM(Large Language Models)を利用して持続可能な消費を促進する新しいマルチエージェントフレームワークである。
ユーザインタラクションの協調分析と反復的な即興改善を通じて、LLMGreenRecの特殊エージェントは、グリーン指向のユーザ意図を推論し、エコフレンドリーな製品レコメンデーションを優先する。
- 参考スコア（独自算出の注目度）: 2.350912941424321
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rising environmental awareness in e-commerce necessitates recommender systems that not only guide users to sustainable products but also minimize their own digital carbon footprints. Traditional session-based systems, optimized for short-term conversions, often fail to capture nuanced user intents for eco-friendly choices, perpetuating a gap between green intentions and actions. To tackle this, we introduce LLMGreenRec, a novel multi-agent framework that leverages Large Language Models (LLMs) to promote sustainable consumption. Through collaborative analysis of user interactions and iterative prompt refinement, LLMGreenRec's specialized agents deduce green-oriented user intents and prioritize eco-friendly product recommendations. Notably, this intent-driven approach also reduces unnecessary interactions and energy consumption. Extensive experiments on benchmark datasets validate LLMGreenRec's effectiveness in recommending sustainable products, demonstrating a robust solution that fosters a responsible digital economy.
- Abstract（参考訳）: eコマースにおける環境意識の向上は、ユーザを持続可能な製品に導くだけでなく、独自のデジタルカーボンフットプリントを最小化するレコメンデーションシステムを必要とする。
短期的な変換に最適化された従来のセッションベースのシステムでは、エコフレンドリーな選択のための微妙なユーザ意図をキャプチャできず、グリーンな意図とアクションのギャップを持続する。
LLMGreenRecは、LLM(Large Language Models)を利用して持続可能な消費を促進する新しいマルチエージェントフレームワークである。
ユーザインタラクションの協調分析と反復的な即興改善を通じて、LLMGreenRecの特殊エージェントは、グリーン指向のユーザ意図を推論し、エコフレンドリーな製品レコメンデーションを優先する。
特に、この意図駆動のアプローチは、不要な相互作用とエネルギー消費を減少させる。
ベンチマークデータセットに関する大規模な実験は、LCMGreenRecが持続可能な製品を推奨する効果を検証し、責任あるデジタル経済を育む堅牢なソリューションを実証している。
関連論文リスト
- Bites of Tomorrow: Personalized Recommendations for a Healthier and Greener Plate [53.11228047172713]
持続可能な食品の選択肢を優先し,推奨することを目的としたグリーンレコメンドアライテッド・パーソナライズド・イーティング(GRAPE)を紹介した。
また、グリーンインジケータに対応する2つの革新的なグリーンロス関数を、均一または区別された優先順位で設計する。
論文 参考訳（メタデータ） (2025-08-19T14:35:37Z) - RecGPT Technical Report [57.84251629878726]
本稿では,レコメンデーションパイプラインの中心にユーザの意図を配置する次世代フレームワークRecGPTを提案する。
RecGPTは、大きな言語モデルをユーザ関心のマイニング、アイテム検索、説明生成のキーステージに統合する。
オンライン実験では、RecGPTが利害関係者間で一貫したパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-07-30T17:55:06Z) - Multi-agents based User Values Mining for Recommendation [52.26100802380767]
効率的なユーザ値抽出のためのゼロショットマルチLLM協調フレームワークを提案する。
本研究は,本質的な意味を保ちながら,項目内容のコンデンスにテキスト要約手法を適用した。
幻覚を緩和するために,評価役と監督役の2つの特殊エージェントの役割を導入する。
論文 参考訳（メタデータ） (2025-05-02T04:01:31Z) - GreenDB -- A Dataset and Benchmark for Extraction of Sustainability
Information of Consumer Goods [58.31888171187044]
毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。
製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。
本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
論文 参考訳（メタデータ） (2022-07-21T19:59:42Z) - GreenDB: Toward a Product-by-Product Sustainability Database [2.9971739294416717]
現代の小売プラットフォームは、検索とレコメンデーションシステムに機械学習(ML)に大きく依存している。
製品ごとにサステナビリティ情報を統合するオープンでパブリックなデータベースは存在しない。
グリーンDBデータセットを生成するスクラップシステムの概念実装の実証について述べる。
論文 参考訳（メタデータ） (2022-05-05T20:24:16Z)
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。