論文の概要: Agent-Based User-Adaptive Filtering for Categorized Harassing Communication

• arxiv url: http://arxiv.org/abs/2603.13288v1
• Date: Sat, 28 Feb 2026 01:52:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.270341
• Title: Agent-Based User-Adaptive Filtering for Categorized Harassing Communication
• Title（参考訳）: 分類されたハラス通信のためのエージェントベースユーザ適応フィルタ
• Authors: Zenefa Rahaman, Sandip Sen,
• Abstract要約: オンラインソーシャルネットワークにおける分類されたハラスメント通信のパーソナライズされたフィルタリングのためのエージェントベースのフレームワークを提案する。 均一なフィルタリングルールを適用するグローバルなモデレーションシステムとは異なり、我々のアプローチは適応的なフィルタリングエージェントを通して、ユーザ固有の許容レベルと嗜好をモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose an agent-based framework for personalized filtering of categorized harassing communication in online social networks. Unlike global moderation systems that apply uniform filtering rules, our approach models user-specific tolerance levels and preferences through adaptive filtering agents. These agents learn from user feedback and dynamically adjust filtering thresholds across multiple harassment categories, including offensive, abusive, and hateful content. We implement and evaluate the framework using supervised classification techniques and simulated user interaction data. Experimental results demonstrate that adaptive agents improve filtering precision and user satisfaction compared to static models. The proposed system illustrates how agent-based personalization can enhance content moderation while preserving user autonomy in digital social environments.
• Abstract（参考訳）: オンラインソーシャルネットワークにおける分類されたハラスメント通信のパーソナライズされたフィルタリングのためのエージェントベースのフレームワークを提案する。 均一なフィルタリングルールを適用するグローバルなモデレーションシステムとは異なり、我々のアプローチは適応的なフィルタリングエージェントを通して、ユーザ固有の許容レベルと嗜好をモデル化する。 これらのエージェントはユーザーのフィードバックから学び、攻撃的、虐待的、憎悪的なコンテンツを含む複数のハラスメントカテゴリーにわたるフィルタリング閾値を動的に調整する。 教師付き分類手法とユーザインタラクションデータを用いたフレームワークの実装と評価を行う。 実験により,適応エージェントは静的モデルと比較してフィルタ精度とユーザ満足度を向上させることが示された。 提案システムは,デジタル社会環境におけるユーザの自律性を保ちながら,エージェントベースのパーソナライズによってコンテンツモデレーションが向上することを示す。

関連論文リスト

• Synthetic Interaction Data for Scalable Personalization in Large Language Models [67.31884245564086]
  本稿ではPersonaGymという高忠実な合成データ生成フレームワークを紹介する。 パーソナライゼーションを静的なペルソナ-参照ペアとして扱う以前の作業とは異なり、PersonaGymは動的な選好プロセスをモデル化する。 我々は,高忠実度マルチターンパーソナライズされたインタラクショントラジェクトリの大規模かつ高品質で多様な合成データセットであるPersonaAtlasをリリースする。
  論文  参考訳（メタデータ） (2026-02-12T20:41:22Z)
• RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems [109.9061591263748]
  RecNetは、レコメンデータシステムのための自己進化的な好みの伝達フレームワークである。 関連ユーザやアイテム間で、リアルタイムの好み更新を積極的に伝達する。 逆相では、フィードバック駆動の伝搬最適化機構がマルチエージェント強化学習フレームワークをシミュレートする。
  論文  参考訳（メタデータ） (2026-01-29T12:14:31Z)
• Interactive Recommendation Agent with Active User Commands [35.77744269746443]
  本稿では、主流の推薦フィード内で自然言語コマンドを可能にする先駆的なパラダイムであるInteractive Recommendation Feed(IRF)を紹介する。 ユーザが暗黙的な行動の影響を受動的に抑制する従来のシステムとは異なり、IRFはリアルタイム言語コマンドを通じて推奨ポリシーを積極的に制御する。 RecBotは、ユーザ満足度とビジネス成果の両方において、大幅に改善されている。
  論文  参考訳（メタデータ） (2025-09-25T15:38:27Z)
• Research on Conversational Recommender System Considering Consumer Types [8.48366251750266]
  本稿では,消費者型モデリングを対話レコメンデーションに統合するフレームワークを提案する。 消費者型理論に基づいて、2つの次元から派生した4つのユーザカテゴリ(依存型、効率的型、慎重型、エキスパート型)を定義する。 LastFM、Amazon-Book、Yelpの実験によると、CTCRSはレコメンデーション成功率を改善し、インタラクションのターンを減らす。
  論文  参考訳（メタデータ） (2025-08-16T15:15:52Z)
• Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User [117.82681846559909]
  会話レコメンデーションシステム(CRS)は、マルチターンインタラクションを使用してユーザの好みを捉え、パーソナライズされたレコメンデーションを提供する。 本稿では,CRSと自動インタラクションを行うための生成報酬モデルに基づくシミュレーションユーザGRSUを提案する。
  論文  参考訳（メタデータ） (2025-04-29T06:37:30Z)
• Vague Preference Policy Learning for Conversational Recommendation [48.868921530958666]
  会話レコメンデーションシステムは通常、ユーザが明確な好みを持っていると仮定し、潜在的に過度なフィルタリングにつながる。 本稿では,Vag Preference Multi-round Conversational Recommendation (VPMCR) シナリオを紹介する。 我々の研究は、ユーザの内在する曖昧さと相対的な意思決定プロセスを調整し、現実の応用性を向上させることでCRSを前進させます。
  論文  参考訳（メタデータ） (2023-06-07T14:57:21Z)
• Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
  本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。 古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。 提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
  論文  参考訳（メタデータ） (2023-02-05T10:29:57Z)

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。