論文の概要: Reproducibility in Recommender Systems: A Survey

• arxiv url: http://arxiv.org/abs/2607.26074v1
• Date: Mon, 13 Jul 2026 16:30:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.098357
• Title: Reproducibility in Recommender Systems: A Survey
• Title（参考訳）: レコメンダシステムの再現性:調査
• Abstract要約: ACM RecSysカンファレンスは、厳格で透明で反復可能な研究を促進するために、2020年に専用の再現性トラックを導入した。 本稿では,2020年から2025年までの51件の論文を対象に,トラックの構造解析を行った。 私たちは、データセット、アルゴリズム、フレームワーク、評価プラクティスの共通パターンをタイプして分析することでコントリビューションを分類します。
• 参考スコア（独自算出の注目度）: 45.98861215799349
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Reproducibility has become a cornerstone of credible recommender systems research, driven by growing concerns about the reliability and generalizability of experimental results. In response, the ACM RecSys conference introduced a dedicated Reproducibility Track in 2020 to encourage rigorous, transparent, and repeatable research. This paper presents a structured analysis of the track from 2020 to 2025, covering 51 accepted papers. We classify contributions by type and analyze common patterns in datasets, algorithms, frameworks, and evaluation practices, with the goal of understanding how reproducibility is operationalized in practice within the community. Our findings reveal three main trends. First, the track has expanded in scope, evolving from a focus on reproduction and replication to include benchmarking, resources, and methodological contributions. Second, reproducibility papers exhibit a consistent methodological profile, relying on a limited set of datasets, algorithms, and evaluation protocols. Third, reproducibility in practice often involves extending prior experiments rather than strictly replicating them, with studies frequently introducing additional models or evaluation criteria. Overall, reproducibility work has improved transparency and documentation, but has had limited impact on methodological diversity, highlighting a gap between the conceptual definition of reproducibility and its implementation.
• Abstract（参考訳）: 再現性は、実験結果の信頼性と一般化性に対する懸念が高まり、信頼性の高い推薦システム研究の基盤となっている。 ACM RecSysカンファレンスは、厳格で透明で反復可能な研究を促進するために、2020年に専用の再現性トラックを導入した。 本稿では,2020年から2025年までの軌道の構造解析を行い,51件の論文を収録した。 我々は、データセット、アルゴリズム、フレームワーク、評価プラクティスの共通パターンをタイプして分析することでコントリビューションを分類し、コミュニティ内で再現性がどのように運用されているかを理解することを目的としている。 以上の結果から, 主な3つの傾向が明らかとなった。 まず、トラックはスコープを拡大し、複製と複製に焦点を当てて、ベンチマーク、リソース、方法論的なコントリビューションを含むように進化した。 第2に、再現性に関する論文は、限られたデータセット、アルゴリズム、評価プロトコルに依存する、一貫した方法論プロファイルを示す。 第三に、実際の再現性は、しばしばそれらを厳密に複製するのではなく、以前の実験を拡張し、研究は追加のモデルや評価基準を頻繁に導入する。 全体として、再現性に関する作業は透明性と文書化を改善したが、方法論の多様性に限られた影響を与え、再現性の概念定義と実装のギャップを浮き彫りにした。

関連論文リスト

• The Story is Not the Science: Execution-Grounded Evaluation of Mechanistic Interpretability Research [56.80927148740585]
  我々は、動的に進化し、研究評価者としてAIエージェントを開発することで、スケーラビリティと厳密さの課題に対処する。 我々は,機械的解釈可能性の研究をテストベッドとして使用し,標準化された研究成果を構築し,MechEvalAgentを開発した。 我々の研究は、AIエージェントが研究評価を変革し、厳格な科学的実践の道を開く可能性を実証している。
  論文  参考訳（メタデータ） (2026-02-05T19:00:02Z)
• Assessing Reproducibility in Evolutionary Computation: A Case Study using Human- and LLM-based Assessment [2.0365636651755263]
  本稿では,10年間にわたる進化計算会議(Evolutionary Computation Conference)のY Combinatorial Optimization and Metaheuristics Trackで発表された論文の実践について検討する。 構造化チェックリストを導入し、選択したコーパスの体系的手動評価を通じて適用する。 さらに,紙テキストや関連コードからの信号を自動的に評価するシステムであるRECAP(REproducibility Checklist Automation Pipeline)を提案する。
  論文  参考訳（メタデータ） (2026-02-05T08:32:29Z)
• Character-R1: Enhancing Role-Aware Reasoning in Role-Playing Agents via RLVR [67.66592867046229]
  character-R1は効果的な役割認識推論のための検証可能な報酬信号を提供するために設計されたフレームワークである。 本フレームワークは,認知的フォーカス・リワード(Cognitive Focus Reward),参照ガイド・リワード(Reference-Guided Reward),文字指定リワード正規化( character-Conditioned Reward normalization)の3つのコア設計で構成されている。
  論文  参考訳（メタデータ） (2026-01-08T05:33:37Z)
• Large Language Models for Software Engineering: A Reproducibility Crisis [4.730658148470817]
  本稿では,大規模言語モデル(LLM)に基づくソフトウェア工学研究における実践の大規模かつ実証的研究について述べる。 2017年から2025年の間に発行された640の論文を、ソフトウェアエンジニアリング、機械学習、自然言語処理の会場で体系的に掘り下げて分析しました。 分析の結果、アーティファクトの可用性、環境仕様、バージョニングの厳格さ、ドキュメントの明確さの持続的なギャップが明らかになりました。
  論文  参考訳（メタデータ） (2025-11-29T22:16:47Z)
• Continuous Representation Methods, Theories, and Applications: An Overview and Perspectives [55.22101595974193]
  近年,実世界のデータ固有の構造を特徴付ける新しいパラダイムとして,連続表現法が登場している。 本総説では, 基礎関数表現, 統計モデル, テンソル関数分解, 暗黙的神経表現などの連続表現法設計, (ii) 近似誤差解析, 収束特性, 暗黙的正規化などの連続表現の理論的基礎, (iii) コンピュータビジョン, グラフィックス, バイオインフォマティクス, リモートセンシングなどの連続表現の現実的応用について述べる。
  論文  参考訳（メタデータ） (2025-05-21T07:50:19Z)
• Evaluating Rank-N-Contrast: Continuous and Robust Representations for Regression [44.99833362998488]
  この文書は2023年に出版された『Rank-N-Contrast』(arXiv:2210.01189v2)の評価である。
  論文  参考訳（メタデータ） (2024-11-25T11:31:53Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Standardizing Your Training Process for Human Activity Recognition Models: A Comprehensive Review in the Tunable Factors [4.199844472131922]
  ウェアラブルヒューマンアクティビティ認識(WHAR)分野における現代ディープラーニング研究の総括的レビューを行う。 この結果から,モデルトレーニングプロトコルが提供する詳細が欠如していることが示唆された。 分析から得られた知見をもとに,WHARモデルに適合した新たな統合トレーニング手順を定義する。
  論文  参考訳（メタデータ） (2024-01-10T17:45:28Z)
• Benchopt: Reproducible, efficient and collaborative optimization benchmarks [67.29240500171532]
  Benchoptは、機械学習で最適化ベンチマークを自動化、再生、公開するためのフレームワークである。 Benchoptは実験を実行、共有、拡張するための既製のツールを提供することで、コミュニティのベンチマークを簡単にする。
  論文  参考訳（メタデータ） (2022-06-27T16:19:24Z)
• Improving Reproducibility in Machine Learning Research (A Report from the NeurIPS 2019 Reproducibility Program) [43.55295847227261]
  再現性は、同じコードとデータ(利用可能であれば)を使用して、論文や講演で示された同様の結果を得る。 2019年、Neural Information Processing Systems(NeurIPS)カンファレンスは、機械学習研究の実施、コミュニケーション、評価に関するコミュニティ全体の標準を改善するために設計されたプログラムを発表した。 本稿では、これらのコンポーネントのそれぞれ、デプロイ方法、このイニシアチブから何を学んだかを説明します。
  論文  参考訳（メタデータ） (2020-03-27T02:16:25Z)

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。