論文の概要: Consensus-Driven Group Recommendation on Sparse Explicit Feedback: A Collaborative Filtering and Choquet-Borda Aggregation Framework

• arxiv url: http://arxiv.org/abs/2603.21012v1
• Date: Wed, 14 Jan 2026 03:49:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.959487
• Title: Consensus-Driven Group Recommendation on Sparse Explicit Feedback: A Collaborative Filtering and Choquet-Borda Aggregation Framework
• Title（参考訳）: Sparse Explicit Feedbackに関する合意駆動型グループ勧告:協調フィルタリングとChoquet-Bordaアグリゲーションフレームワーク
• Authors: Anh Nguyen Van, Huy Ngo Hoang, Khoi Ngo Nguyen, Ngoc Pham Thi, Khanh Ngo Mai Bao, Quyen Nguyen Van,
• Abstract要約: 本稿ではコンセンサス駆動型ハイブリッドグループレコメンデーションフレームワークを提案する。 近所のコラボレーティブ・フィルタリングとファジィ・アグリゲーションを統合し、合意、公正さ、そして疎遠さをサポートする。 実世界のデータセットを用いた実験結果から,提案手法はグループレベルのコンセンサス,満足度,公正性を向上し,バランスの取れたノベルティを維持した。
• 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: Group Recommender Systems (GRS) play an essential role in supporting collective decision-making among users with diverse and potentially conflicting preferences. However, achieving stable intra-group consensus becomes particularly challenging when only sparse userID-itemID-rating data are available and no demographic, contextual, or group-level information exists. This paper proposes a consensus-driven hybrid group recommendation framework that integrates neighborhood-based collaborative filtering with fuzzy aggregation to support agreement, fairness, and robustness under sparsity. A composite similarity measure, CBS (Combined Similarity), is derived from two enhanced similarity metrics introduced in prior work: a geometry-based measure that captures rating-pattern structure, and an uncertainty-aware measure that models belief, evidence, and disagreement in sparse co-rating contexts. This combination provides more stable estimation of missing ratings and supports consensus-oriented neighborhood construction. Candidate items are generated by merging per-user top-N predictions and further enriched using the Borda Count mechanism to mitigate skewed rating distributions and reinforce group-level agreement. Final group ratings are computed using the Choquet integral, which flexibly captures heterogeneous user influence while preserving fairness and supporting consensus formation. Experimental results on real-world datasets with different rating distributions show that the proposed method improves group-level consensus, satisfaction, and fairness, while maintaining a balanced level of novelty. Although the model does not rely on social information, its evaluation using trust-aware novelty measures indicates stable behavior in socially structured environments.
• Abstract（参考訳）: グループレコメンダシステム(GRS)は、多様かつ潜在的に矛盾する好みを持つユーザーの間で、集団的な意思決定を支援する上で重要な役割を担っている。 しかし,人口統計学的,文脈的,グループレベルの情報がない場合に,グループ内コンセンサスを安定的に達成することは特に困難である。 本稿では, 周辺地域の協調フィルタリングとファジィアグリゲーションを統合して, 疎結合下での合意, 公正性, 堅牢性を支援する, コンセンサス駆動型ハイブリッドグループ推薦フレームワークを提案する。 複合類似度尺度(CBS、Combined similarity)は、以前の研究で導入された2つの強化された類似度尺度から導かれる。 この組み合わせは、欠落評価をより安定的に評価し、コンセンサス指向の地区構築をサポートする。 候補項目は、ユーザ毎のトップN予測をマージすることで生成され、さらにボルダカウント機構を使用して、歪んだ評価分布を緩和し、グループレベルの合意を強化する。 最終的なグループ評価は、公平性を保ち、コンセンサス形成をサポートするとともに、不均一なユーザの影響を柔軟にキャプチャするChoquet積分を用いて計算される。 評価分布の異なる実世界のデータセットに対する実験結果から,提案手法はグループレベルのコンセンサス,満足度,公正性を向上し,バランスの取れたノベルティを維持した。 このモデルは社会的情報に依存しないが、信頼を意識したノベルティ尺度を用いた評価は、社会的に構造化された環境における安定した行動を示す。

関連論文リスト

• VertCoHiRF: Decentralized Vertical Clustering Beyond k-means [7.0930706640450225]
  VertCoHiRFは、ヘテロジニアスビューにおける構造的コンセンサスに基づく、垂直連合クラスタリングのための完全に分散化されたフレームワークである。 エージェントは独自のローカルビューをクラスタリングし、識別子レベルのコンセンサスを通じて提案を調整する。 通信の複雑さとロバスト性を分析し,垂直連合環境での競合クラスタリング性能を実証する実験を行った。
  論文  参考訳（メタデータ） (2026-02-07T00:06:23Z)
• Interaction-Aware Gaussian Weighting for Clustered Federated Learning [58.92159838586751]
  フェデレートラーニング(FL)は、プライバシを維持しながらモデルをトレーニングするための分散パラダイムとして登場した。 本稿では,新たなクラスタリングFL法であるFedGWC(Federated Gaussian Weighting Clustering)を提案する。 ベンチマークデータセットを用いた実験により,FedGWCはクラスタの品質と分類精度において,既存のFLアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-02-05T16:33:36Z)
• Structured Conformal Inference for Matrix Completion with Applications to Group Recommender Systems [16.519348575982004]
  本手法は, わずかに観察された行列内において, 与えられた不足成分群に対する連立信頼領域を構築するための共形推論法を開発した。 提案手法はモデルに依存しないため,どのブラックボックスの行列補完アルゴリズムと組み合わせて,グループレベルの推薦に対して信頼性の高い不確実性推定を行うことができる。
  論文  参考訳（メタデータ） (2024-04-26T17:42:29Z)
• A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
  分散評価(disaggregated evaluation)は、AIフェアネスアセスメントにおける中心的なタスクであり、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。 非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-26T14:21:45Z)
• Robust Consensus Clustering and its Applications for Advertising Forecasting [18.242055675730253]
  我々は,専門家の意見に共通する根拠となる真実を見出すことのできる,ロバストなコンセンサスクラスタリングという新しいアルゴリズムを提案する。 提案手法を実世界の広告キャンペーンセグメンテーションと予測タスクに適用する。
  論文  参考訳（メタデータ） (2022-12-27T21:49:04Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Sparse-group boosting -- Unbiased group and variable selection [0.0]
  群内空間と群間空間は混合パラメータによって制御可能であることを示す。 シミュレーション,遺伝子データおよび農業データを用いて,この推定装置の有効性と予測的競争性を示す。
  論文  参考訳（メタデータ） (2022-06-13T17:44:16Z)
• Post-Contextual-Bandit Inference [57.88785630755165]
  コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。 研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。 研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
  論文  参考訳（メタデータ） (2021-06-01T12:01:51Z)

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。