論文の概要: DALI: LLM-Agent Enhanced Dual-Stream Adaptive Leadership Identification for Group Recommendations

• arxiv url: http://arxiv.org/abs/2603.19909v1
• Date: Fri, 20 Mar 2026 12:47:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.139109
• Title: DALI: LLM-Agent Enhanced Dual-Stream Adaptive Leadership Identification for Group Recommendations
• Title（参考訳）: DALI: グループレコメンデーションのためのLLM-Agent強化デュアルストリーム適応型リーダシップ識別
• Authors: Boxun Song, Min Gao, Jiawei Cheng,
• Abstract要約: グループレコメンデーションシステムは、様々な文脈における集団決定を支援する上で重要な役割を果たしている。 既存のグループレコメンデーションアプローチでは、手作りのアグリゲーションルールまたはニューラルアグリゲーションモデルを使用するのが一般的である。 本稿では,LLMのシンボリック推論能力とニューラルネットワークに基づく表現学習を組み合わせた,DALI(Dual-stream Adaptive Leadership Identification)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.213194468942453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Group recommendation systems play a pivotal role in supporting collective decisions across various contexts, from leisure activities to organizational team-building. Existing group recommendation approaches typically use either handcrafted aggregation rules (e.g. mean, least misery, weighted sum) or neural aggregation models (e.g. attention-based deep learning frameworks), yet both fall short in distinguishing leader-dominated from collaborative groups and often misrepresent true group preferences, especially when a single member disproportionately influences group choices. To address these limitations, we propose the Dual-stream Adaptive Leadership Identification (DALI) framework, which uniquely combines the symbolic reasoning capabilities of Large Language Models (LLMs) with neural network-based representation learning. Specifically, DALI introduces two key innovations: a dynamic rule generation module that autonomously formulates and evolves identification rules through iterative performance feedback, and a neuro-symbolic aggregation mechanism that concurrently employs symbolic reasoning to robustly recognize leadership groups and attention-based neural aggregation to accurately model collaborative group dynamics. Experiments conducted on the Mafengwo travel dataset confirm that DALI significantly improves recommendation accuracy compared to existing frameworks, highlighting its capability to dynamically adapt to complex, real-world group decision environments.
• Abstract（参考訳）: グループレコメンデーションシステムは、レジャー活動から組織チーム構築に至るまで、さまざまな状況における集団決定を支援する上で重要な役割を担います。 既存のグループレコメンデーションアプローチでは、手作りのアグリゲーションルール(例えば、最小の惨めさ、重み付け)またはニューラルアグリゲーションモデル(注意ベースのディープラーニングフレームワークなど)を使用するのが一般的だが、どちらも共同グループとリーダーが支配するグループを区別するのに不足している。 これらの制約に対処するために,大規模言語モデル(LLM)の象徴的推論能力とニューラルネットワークに基づく表現学習を一意に組み合わせた,DALI(Dual-stream Adaptive Leadership Identification)フレームワークを提案する。 具体的には、DALIは、反復的なパフォーマンスフィードバックを通じて識別ルールを自律的に定式化し、進化させる動的ルール生成モジュールと、シンボリック推論を併用してリーダーシップグループを堅牢に認識するニューラルシンボリックアグリゲーション機構と、協調的なグループのダイナミクスを正確にモデル化するアグリゲーションである。 Mafengwoの旅行データセットで行った実験では、DALIは既存のフレームワークと比較して推奨精度を大幅に改善し、複雑な実世界のグループ決定環境に動的に適応する能力を強調している。

関連論文リスト

• FlexAC: Towards Flexible Control of Associative Reasoning in Multimodal Large Language Models [80.6268239673988]
  マルチモーダルな大規模言語モデル(MLLM)は、忠実さと創造性の間に固有のトレードオフに直面します。 既存の方法には、この推論強度を調節する柔軟性がない。 本稿では,連想推論を柔軟に制御する機構を備えたMLLMを提案する。
  論文  参考訳（メタデータ） (2025-10-13T09:22:12Z)
• STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
  我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。 我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。 MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅な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） (2025-08-26T08:47:58Z)
• DisCO: Reinforcing Large Reasoning Models with Discriminative Constrained Optimization [50.91849555841057]
  グループ相対政策最適化は大規模推論モデル(LRM)の強化学習手法である 差別学習の原則を基礎として, LRMの強化のための新たな差別的制約付き最適化フレームワークを導入する。 DisCO は GRPO と DAPO などの改良型を著しく上回り、GRPO の7%、DAPO の6% を平均的に上回っている。
  論文  参考訳（メタデータ） (2025-05-18T11:08:32Z)
• Consensus-aware Contrastive Learning for Group Recommendation [12.743275229282922]
  グループレコメンデーションは、個人の好みを反映して、ユーザーグループにパーソナライズされたアイテム提案を提供することを目的としている。 コンセンサスを意識したContrastive Learning for Group Recommendation(CoCoRec)を導入し,コントラスト学習を通じてグループコンセンサスをモデル化する。 4つのベンチマークデータセットで実施された実験によると、CoCoRecは個々の推奨シナリオとグループ推奨シナリオの両方において、最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-04-18T14:03:40Z)
• Harnessing Large Language Models for Group POI Recommendations [41.83514903171133]
  グループPOIレコメンデーションシステムは、複数のユーザの集団的嗜好を満たすことを目的としている。 既存のアプローチは、2つの大きな課題に直面している。 グループPOIレコメンデーションに大規模言語モデルを活用する新しいフレームワークであるLLMGPRを提案する。
  論文  参考訳（メタデータ） (2024-11-20T16:02:14Z)
• Double-Scale Self-Supervised Hypergraph Learning for Group Recommendation [35.841350982832545]
  グループレコメンデーションは、データスパシティの問題に深刻な問題を抱えています。 本稿では,グループ推薦のための自己教師付きハイパーグラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-09T12:19:49Z)
• Overcoming Data Sparsity in Group Recommendation [52.00998276970403]
  グループレコメンデータシステムは、ユーザの個人的な好みだけでなく、嗜好集約戦略も正確に学習できなければならない。 本稿では,BGEM(Bipartite Graphding Model)とGCN(Graph Convolutional Networks)を基本構造として,グループとユーザ表現を統一的に学習する。
  論文  参考訳（メタデータ） (2020-10-02T07:11:19Z)

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。