論文の概要: Trading Engagement for Sustainability: Carbon-Aware Re-ranking for E-commerce Recommendations

• arxiv url: http://arxiv.org/abs/2606.04550v1
• Date: Wed, 03 Jun 2026 07:34:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.609354
• Title: Trading Engagement for Sustainability: Carbon-Aware Re-ranking for E-commerce Recommendations
• Title（参考訳）: 持続可能性のためのトレーディングエンゲージメント:Eコマースレコメンデーションにおけるカーボンアウェアの再評価
• Authors: Noah Lund Syrdal, Anders Vestrum, Jorgen Bergh,
• Abstract要約: 我々は,ほとんどの項目においてPCFラベルが欠落しており,推測されなければならない現実的な環境で,炭素対応製品レコメンデーションについて検討する。 まず,Carbon Catalogueからの監督を伝達するPCF推定パイプラインを用いて,製品レベルの炭素フットプリントを推定する。 次に、3つの確立された推奨モデルから得られた妥当性スコアに基づいて、炭素を意識したポストホック戦略を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: E-commerce recommender systems strongly influence which products users consider and purchase, yet sustainability signals such as Product Carbon Footprint (PCF) are almost never available at catalog scale. We study carbon-aware product recommendation in the realistic setting where PCF labels are missing for most items and must be inferred. We first estimate product-level carbon footprints via a retrieval-augmented PCF estimation pipeline that transfers supervision from the Carbon Catalogue, a small set of life-cycle-assessed products, to a large unlabeled e-commerce catalog using semantic similarity search, few-shot LLM prompting, and a nearest-neighbour fallback. We then apply a carbon-aware post-hoc re-ranking strategy on top of relevance scores produced by three established recommendation models: BPR, NeuMF, and LightGCN. The method trades off predicted user-item engagement against estimated carbon footprint through a single tunable parameter, lambda. In this offline study, engagement is operationalized through Amazon review interactions, which serve as implicit feedback and as a proxy for user interest or purchase behavior. We evaluate the framework on the Amazon Reviews dataset across three product categories: Home and Kitchen, Sports and Outdoors, and Electronics. By sweeping lambda, we construct Pareto frontiers that characterize the achievable engagement and carbon trade-off for each model and category. Substantial carbon reductions are achievable at minimal engagement cost across all models and categories. However, the available carbon headroom varies by model and category, underscoring the importance of model choice and domain context.
• Abstract（参考訳）: 電子商取引のレコメンデータシステムは、ユーザがどの製品を検討し購入するかに強く影響するが、Product Carbon Footprint (PCF)のような持続可能性信号は、カタログスケールではほとんど利用できない。 我々は,ほとんどの項目においてPCFラベルが欠落しており,推測されなければならない現実的な環境で,炭素対応製品レコメンデーションについて検討する。 まず, ライフサイクル評価商品の小さなセットであるCarbon Catalogueから, セマンティックな類似性探索, 数発のLCMプロンプト, 最寄りのフォールバックを用いて, 大規模未ラベルのeコマースカタログへ管理を移行するPCF推定パイプラインを用いて, 製品レベルの炭素フットプリントを推定する。 次に,BPR,NeuMF,LightGCNの3つの推奨モデルから得られた妥当性スコアに基づいて,炭素を意識したポストホック戦略を適用した。 このメソッドは、予測されたユーザイテムエンゲージメントを、単一の調整可能なパラメータであるラムダを通じて、推定された炭素フットプリントと交換する。 このオフライン調査では、エンゲージメントはAmazonレビューのインタラクションを通じて運用され、暗黙のフィードバックや、ユーザの興味や購入行動のプロキシとして機能する。 Amazon Reviewsデータセットのフレームワークは、HomeとKitchen、Sports and Outdoors、Electronicsの3つの製品カテゴリで評価しています。 ラムダを網羅することで、各モデルとカテゴリの達成可能なエンゲージメントとカーボントレードオフを特徴付けるParetoフロンティアを構築します。 実質的な炭素削減は、すべてのモデルとカテゴリで最小限のエンゲージメントコストで達成できる。 しかし、利用可能なカーボンヘッドルームはモデルとカテゴリによって異なり、モデル選択とドメインコンテキストの重要性が強調されている。

関連論文リスト

• Eco-Amazon: Enriching E-commerce Datasets with Product Carbon Footprint for Sustainable Recommendations [7.062728225568673]
  本稿では,アイテムレベルの環境影響データと標準ベンチマークのギャップを埋めるための新しいリソースであるEco-Amazonを紹介する。 i) アイテムメタデータをPCF信号で強化したEco-Amazonデータセットのリリース、(ii) LLMベースのPCF推定スクリプトにより、研究者が製品カタログを拡大して結果の再現が可能になること、(iii) PCF推定をどのように活用して、より持続可能な製品を促進するかを示すユースケースである。
  論文  参考訳（メタデータ） (2026-02-17T11:30:11Z)
• The Carbon Footprint Wizard: A Knowledge-Augmented AI Interface for Streamlining Food Carbon Footprint Analysis [9.596990138649426]
  ライフサイクルアセスメント(LCA)は、定量化とグローバルサプライチェーンによって複雑になる。 本稿では,LCAと一般公開データベースの進歩と知識付加型AI技術を組み合わせた方法論を提案する。 ライブWebデモでは、任意の食品やフォローアップ質問で概念実証システムを紹介します。
  論文  参考訳（メタデータ） (2025-09-09T13:34:06Z)
• Towards Carbon Footprint-Aware Recommender Systems for Greener Item Recommendation [16.57152918332189]
  オンラインショッピングはレコメンダシステム(RecSys)アルゴリズムによって促進されているが、より持続可能な選択を促進する上で後者の役割と可能性はほとんど研究されていない。 主な原因の1つは、アイテムに二酸化炭素排出量の排出量を含むデータセットが欠如していることによる可能性がある。 項目の炭素フットプリントを考慮に入れた単純な再ランクのアプローチは、精度と緑度の間のトレードオフをより良くすることを示す。
  論文  参考訳（メタデータ） (2025-03-21T14:58:47Z)
• Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
  炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。 階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。 MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
  論文  参考訳（メタデータ） (2024-06-12T05:08:51Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• FedGreen: Carbon-aware Federated Learning with Model Size Adaptation [36.283273000969636]
  フェデレートラーニング(FL)は、分散クライアントからモデルを構築するための有望な協調フレームワークを提供する。 FLクライアントをホストするクラウドとエッジサーバは、さまざまな電力源を持つ地理的な場所の影響を受け、多様な炭素フットプリントを示す可能性がある。 我々は、クライアントと共有する適応型モデルサイズを採用することにより、モデルを効率的に訓練するための、炭素を意識したFLアプローチであるFedGreenを提案する。
  論文  参考訳（メタデータ） (2024-04-23T20:37:26Z)
• Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model [72.65502770895417]
  176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。 BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。 本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
  論文  参考訳（メタデータ） (2022-11-03T17:13:48Z)
• Joint Study of Above Ground Biomass and Soil Organic Carbon for Total Carbon Estimation using Satellite Imagery in Scotland [0.0]
  ランドカーボンの検証は、長い間、カーボンクレジット市場の課題だった。 リモートセンシング技術により、土壌有機炭素(SOC)とAGB(Above Ground Biomass)の変化をモニタリングできる
  論文  参考訳（メタデータ） (2022-05-08T20:23:30Z)
• Optimizing carbon tax for decentralized electricity markets using an agent-based model [69.3939291118954]
  人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。 炭素税は、この移行を支援する効率的な方法であることが示されている。 NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
  論文  参考訳（メタデータ） (2020-05-28T06:54:43Z)

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。