論文の概要: Controllable and Content-Based Recommendations

• arxiv url: http://arxiv.org/abs/2607.20938v1
• Date: Thu, 23 Jul 2026 05:31:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.296484
• Title: Controllable and Content-Based Recommendations
• Title（参考訳）: 制御可能・コンテンツに基づく勧告
• Abstract要約: ControllableとContent-Based Recommendationsは、テキストによるユーザプロファイル表現からレコメンデーションを構築する。 CCBRはテキストベースとマルチモーダルの介入を可能にし,ユーザが好みの方向に向けてモデルを操ることができることを示す。
• 参考スコア（独自算出の注目度）: 24.984359236801254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional recommendation systems rely on latent (dense) representations, making them difficult to interpret and control. We propose the Controllable and Content-Based Recommendations (CCBR) framework, which builds its recommendations from textual user profile representations. CCBR plugs into collaborative filtering models and introduces controllability via text bottlenecks. We show that CCBR enables text-based and multimodal interventions, allowing users to steer the model towards the directions they prefer. Different from existing controllable recommendation systems, CCBR infers the text summaries directly from item contents (images, audio or video). Across image-, audio-, and video-based datasets, we demonstrate that the proposed framework obtains competitive model performance with standard (latent-representation) models while providing controllable model summaries via text. The model also outperforms TEARS, a recent baseline for controllable recommendation systems. Through systematic interventions, we demonstrate the efficacy of the user steering mechanism.
• Abstract（参考訳）: 従来のレコメンデーションシステムは潜伏(高密度)表現に依存しており、解釈や制御が困難である。 テキストによるユーザプロファイル表現からレコメンデーションを構築するCCBR(Controlable and Content-Based Recommendations)フレームワークを提案する。 CCBRは協調フィルタリングモデルにプラグインし、テキストボトルネックによる制御性を導入する。 CCBRはテキストベースとマルチモーダルの介入を可能にし,ユーザが好みの方向に向けてモデルを操ることができることを示す。 既存の制御可能なレコメンデーションシステムとは異なり、CCBRはアイテムコンテンツ(画像、オーディオ、ビデオ)から直接テキスト要約を推測する。 画像、音声、ビデオベースのデータセット全体にわたって、提案するフレームワークは、テキストを介して制御可能なモデル要約を提供しながら、標準(遅延表現)モデルと競合するモデル性能を得ることを示した。 このモデルは、制御可能なレコメンデーションシステムの最近のベースラインであるTEARSよりも優れている。 組織的な介入を通じて,ユーザ・ステアリング・メカニズムの有効性を示す。

関連論文リスト

• Can We Steer the Black-Box? Towards Controllability-Centric Evaluation of Recommender Systems with Collaborative Agents [27.581560179325816]
  制御性評価のためのフレームワークであるCtrlBench-Recを提案する。 我々は、コンテンツ発見、興味プロファイル形成、人気バイアス緩和の3つの基本的なタスクを定式化する。 実世界のデータセットと複数のレコメンデーションモデルに関する大規模な実験は、我々のフレームワークが効果的に制御可能性の定量化を実証している。
  論文  参考訳（メタデータ） (2026-07-15T03:37:06Z)
• TEARS: Textual Representations for Scrutable Recommendations [8.034808726140268]
  TEARS(TExtuAl Representations for Scrutable Representations)について紹介する。 TEARSは、潜伏した埋め込みを通じてユーザの興味を表す代わりに、それらを自然なテキストでエンコードし、透明性を提供し、ユーザーが編集できるようにする。 TEARSは、ユーザ制御可能なレコメンデーションを提供しながら、一般的な3つのVAEモデルの性能を上回ることができる。
  論文  参考訳（メタデータ） (2024-10-25T04:26:00Z)
• LANE: Logic Alignment of Non-tuning Large Language Models and Online Recommendation Systems for Explainable Reason Generation [15.972926854420619]
  大きな言語モデル(LLM)を活用することで、包括的なレコメンデーションロジック生成の新しい機会を提供する。 レコメンデーションタスクのための微調整LDMモデルは、計算コストと既存のシステムとのアライメントの問題を引き起こす。 本研究は,LLMとオンラインレコメンデーションシステムとの連携を,LLMのチューニングを伴わない効果的戦略LANEを提案する。
  論文  参考訳（メタデータ） (2024-07-03T06:20:31Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Enhancing Sequential Recommender with Large Language Models for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の累積増加率は4.13%に達した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Combining Embedding-Based and Semantic-Based Models for Post-hoc Explanations in Recommender Systems [0.0]
  本稿では,埋め込みモデルとセマンティックモデルを組み合わせて,レコメンダシステムにおけるポストホックな説明を生成する手法を提案する。 私たちが定義したフレームワークは、意味があり分かりやすい説明を生み出し、ユーザの信頼と満足度を高め、eコマース分野におけるレコメンダシステムの採用を促進することを目的としています。
  論文  参考訳（メタデータ） (2024-01-09T10:24:46Z)
• Fine-grained Controllable Video Generation via Object Appearance and Context [74.23066823064575]
  細粒度制御可能なビデオ生成法(FACTOR)を提案する。 FACTORは、オブジェクトの位置とカテゴリを含む、オブジェクトの外観とコンテキストを制御することを目的としている。 本手法は,オブジェクトの外観を微調整せずに制御し,オブジェクトごとの最適化作業を省く。
  論文  参考訳（メタデータ） (2023-12-05T17:47:33Z)
• User-Controllable Recommendation via Counterfactual Retrospective and Prospective Explanations [96.45414741693119]
  本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。 反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
  論文  参考訳（メタデータ） (2023-08-02T01:13:36Z)
• Editable User Profiles for Controllable Text Recommendation [66.00743968792275]
  制御可能なテキストレコメンデーションのための新しい概念値ボトルネックモデル LACE を提案する。 LACEは、人間の読みやすい概念の簡潔なセットで各ユーザーを表現する。 ユーザ文書に基づいて概念のパーソナライズされた表現を学習する。
  論文  参考訳（メタデータ） (2023-04-09T14:52:18Z)
• Controllable Summarization with Constrained Markov Decision Process [50.04321779376415]
  本研究では,ユーザが特定の属性を制御できる可制御テキスト要約について検討する。 制約付きマルコフ決定プロセス(CMDP)に基づく新しいトレーニングフレームワークを提案する。 我々のフレームワークは、長さ、被覆された実体、抽象性など、要約の重要な属性を制御するために応用できる。
  論文  参考訳（メタデータ） (2021-08-07T09:12:53Z)

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。