論文の概要: Trajectory-Based Recommender Systems as Control Systems

• arxiv url: http://arxiv.org/abs/2606.22957v1
• Date: Mon, 22 Jun 2026 07:36:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 03:14:27.624732
• Title: Trajectory-Based Recommender Systems as Control Systems
• Title（参考訳）: 制御系としての軌道ベースレコメンダシステム
• Authors: Eriam Schaffter, Ahmed Bounekkar, Elsa Negre,
• Abstract要約: Tray-Based Recommender Systems (TBRS) は、多くの関連研究があるサブフィールドであるが、共通のフレームワークが欠けている。 我々は制御理論がS問題を形式化し解決するための適切な基礎を提供すると主張する。 本稿では,教育レコメンダシステム(ERS, Educational Recommender Systems, ERS)を,本提案の制御理論フレームワーク内でどのようにモデル化できるかを示す。
• 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: Recommender Systems (RS) are a key research domain and play an increasing role in our content-overwhelmed lives. In this paper, we explore Trajectory-Based Recommender Systems (TBRS), a subfield for which many related studies exist, yet still lacking a common framework. We argue that Control Theory provides an appropriate foundation for formalizing and solving TBRS problems. TBRS, sometimes named Long Term goal Recommender Systems, share core principles with classical RS, but at their core lies the concept of a trajectory, a defining element that makes these systems a singular category. To date, most RSs that include a notion of goal or long-term objective, when this goal is explicit, have not been recognized as having specific characteristics that make them worth regrouping under a dedicated field of research. We review related work, observe how they differ from already conceptualized RSs, and sketch the foundations of a possible theoretical framework based on control theory. Finally, we show how Educational Recommender Systems (ERS), intrinsically long-term and goal-driven, can be modeled within the proposed TBRS framework.
• Abstract（参考訳）: Recommender Systems(RS)は重要な研究領域であり、私たちのコンテンツに圧倒された生活において、ますます多くの役割を担っています。 本稿では,多くの関連研究があるサブフィールドであるトラジェクトリベースレコメンダシステム(TBRS)について検討する。 我々は制御理論がTBRS問題を定式化し解決するための適切な基盤となることを論じる。 TBRS(Long Term goal Recommender Systems)は、古典的なRSとコア原則を共有しているが、その中核は、これらのシステムを一意のカテゴリにする決定的要素であるトラジェクトリ(trajectory)の概念に基づいている。 現在までに、ゴールの概念や長期的な目標を含むほとんどのRSは、この目標が明確であるときには、研究の専門分野の下で再編成する価値のある特性を持つと認識されていない。 我々は、関連研究をレビューし、すでに概念化されたRSとどのように異なるかを観察し、制御理論に基づく理論的枠組みの基礎をスケッチする。 最後に,教育レコメンダシステム(ERS, Educational Recommender Systems, ERS)がTBRSフレームワーク内でどのようにモデル化できるかを示す。

関連論文リスト

• RubricEM: Meta-RL with Rubric-guided Policy Decomposition beyond Verifiable Rewards [76.17893114021757]
  長い形式のレポートを計画し、調査し、エビデンスを評価し、合成する深層研究システムには、根本的な答えがなく、多くのツール強化された決定にまたがる。 本研究では,ルーブリックは最終回答評価者だけでなく,ポリシーの実行,判断フィードバック,エージェントメモリを構成する共有インターフェースとして機能すべきである,と論じる。 我々は、段階的な政策分解とリフレクションに基づくメタ政治進化を組み合わせたルーリック誘導強化学習フレームワークEMを導入する。
  論文  参考訳（メタデータ） (2026-05-11T17:40:38Z)
• Knowledge-Graph Based RAG System Evaluation Framework [27.082302648704708]
  大規模言語モデル(LLM)は重要な研究対象となっている。 Retrieval Augmented Generation (RAG)は、生成したコンテンツの信頼性と関連性を大幅に向上させる。 RAGシステムの評価は依然として難しい課題である。
  論文  参考訳（メタデータ） (2025-10-02T20:36:21Z)
• A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice [12.047370735494601]
  Recommender Systems(RS)は、パーソナライズされたアイテムの提案を提供することで、ユーザーエクスペリエンスを高める上で重要な役割を果たす。 この調査は、2017年から2024年までのRSの進歩を包括的にレビューする。 この調査の第一の目的は、理論を実践と橋渡しすることである。
  論文  参考訳（メタデータ） (2024-07-18T17:00:53Z)
• Concept -- An Evaluation Protocol on Conversational Recommender Systems with System-centric and User-centric Factors [68.68418801681965]
  本稿では,システムとユーザ中心の要素を統合した新しい包括的評価プロトコルであるConceptを提案する。 まず、現在のCRSモデルの長所と短所を概観する。 第二に、「全能」なChatGPTにおける低ユーザビリティの問題を特定し、CRSを評価するための包括的なリファレンスガイドを提供する。
  論文  参考訳（メタデータ） (2024-04-04T08:56:48Z)
• Set-to-Sequence Ranking-based Concept-aware Learning Path Recommendation [49.85548436111153]
  SRC(Set-to-Sequence Ranking-based Concept-Aware Learning Path Recommendation)という新しいフレームワークを提案する。 SRCは、セット・ツー・シーケンス・パラダイムの下でレコメンデーション・タスクを定式化する。 実世界の2つの公開データセットと1つの産業データセットについて広範な実験を行う。
  論文  参考訳（メタデータ） (2023-06-07T08:24:44Z)
• Learning Rational Subgoals from Demonstrations and Instructions [71.86713748450363]
  本稿では,新しい目標を達成するための効率的な長期計画を支援する有用なサブゴール学習フレームワークを提案する。 我々のフレームワークの中核は合理的なサブゴール(RSG)の集合であり、基本的には環境状態上の二項分類器である。 目標記述が与えられた場合、学習したサブゴールと派生した依存関係は、A*やRTといった既成の計画アルゴリズムを促進する。
  論文  参考訳（メタデータ） (2023-03-09T18:39:22Z)

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。