論文の概要: Continuous Online Evaluation of Recommendation Strategies in Social Science Academic Search
- arxiv url: http://arxiv.org/abs/2607.26380v1
- Date: Wed, 29 Jul 2026 01:33:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.507985
- Title: Continuous Online Evaluation of Recommendation Strategies in Social Science Academic Search
- Title（参考訳）: 社会科学学術検索における推薦戦略の連続的オンライン評価
- Abstract要約: 我々は,従来の語彙的類似性,意味的文書類似性など,多様なアルゴリズムを実装・比較する。
以上の結果から,用語の類似性やセッションベースの手法よりも,意味的類似性に基づくレコメンデーションが望ましいことが示唆された。
本研究は総合的に,学術検索ポータルの嗜好に適合したレコメンデーションを開発するために,継続的評価をどのように組み込むことができるかという知見を提供する。
- 参考スコア（独自算出の注目度）: 1.8047694351309207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Delivering relevant recommendations in academic search engines is a complex task due to the diversity of subject areas, information types, and user preferences. In this case study, we address these challenges by integrating and evaluating a range of recommendation systems within GESIS Search - a domain-specific search engine for the social sciences that provides researchers with access to research data, publications, variables, and measurement instruments. To support continuous, real-time evaluation of multiple recommendation strategies with actual platform users, we utilize the STELLA evaluation framework. We implement and compare a diverse set of algorithms, including traditional lexical similarity, semantic document similarity by using transformer-based embeddings, and session-based recommendations based on click paths from historical user sessions. Our results show that users prefer recommendations based on semantic similarity, which outperformed term-similarity and session-based methods. However, the performance of recommenders varies across categories within GESIS Search, suggesting that information-seeking behavior differs by information type. Overall, our study provides insights into how continuous evaluation can be incorporated to develop recommendations that better align with the preferences in academic search portals.
- Abstract（参考訳）: 学術検索エンジンで適切なレコメンデーションを提供することは、主題領域、情報タイプ、ユーザの好みの多様性による複雑な作業である。
このケーススタディでは,研究データ,出版物,変数,測定機器へのアクセスを研究者に提供する,社会科学のためのドメイン固有検索エンジンであるGESIS Searchに,さまざまなレコメンデーションシステムを統合し,評価することで,これらの課題に対処する。
実際のプラットフォームユーザによる複数のレコメンデーション戦略の連続的リアルタイム評価を支援するために,STELLA評価フレームワークを利用する。
本稿では,従来の語彙的類似性,トランスフォーマーベースの埋め込みによる意味文書の類似性,歴史的なユーザセッションからのクリックパスに基づくセッションベースのレコメンデーションなど,さまざまなアルゴリズムの実装と比較を行う。
以上の結果から,用語の類似性やセッションベースの手法よりも,意味的類似性に基づくレコメンデーションが望ましいことが示唆された。
しかし,推薦者の行動はGESIS検索のカテゴリーによって異なるため,情報検索行動は情報の種類によって異なることが示唆された。
本研究は総合的に,学術検索ポータルの嗜好に適合したレコメンデーションを開発するために,継続的評価をどのように組み込むことができるかという知見を提供する。
関連論文リスト
- UniER: A Unified Benchmark for Item-level and Path-level Exercise Recommendation [53.62147575168325]
We present a Unified Benchmark for Exercise Recommendation (UniER)
UniERは、ILERとPLERを統合する包括的な評価フレームワークである。
本研究は, pleRの系統的優位性を明らかにするとともに, ILERのフラグメントドレコメンデーションの教育的失敗を明らかにするものである。
論文 参考訳（メタデータ） (2026-05-16T02:07:58Z) - Towards a Real-World Aligned Benchmark for Unlearning in Recommender Systems [49.766845975588275]
推薦システムにおける非学習のためのより現実的なベンチマークの開発を導くために,設計デシダータと研究質問のセットを提案する。
我々は、現実世界の削除要求の逐次的で時間に敏感な性質を反映した、未学習のセットアップについて論じる。
本稿では,提案したdesiderataをベースとした次世代レコメンデーションセッティングの予備実験を行い,アンラーニングが逐次レコメンデーションモデルにも有効であることを確認した。
論文 参考訳（メタデータ） (2025-08-23T16:05:40Z) - Does Multimodality Improve Recommender Systems as Expected? A Critical Analysis and Future Directions [52.21847626165085]
マルチモーダルレコメンデーションシステムは、多種多様なデータ型を統合することで、パフォーマンスを向上させる可能性が高まっている。
しかし、この統合の実際の利点ははっきりしないままであり、いつ、どのように本当にレコメンデーションを強化するのかという疑問が持ち上がっている。
4次元にわたるマルチモーダルレコメンデーションを体系的に評価するための構造化評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-07T13:21:00Z) - User and Recommender Behavior Over Time: Contextualizing Activity, Effectiveness, Diversity, and Fairness in Book Recommendation [2.1775979310224827]
本稿では,Goodreadsから抽出したUCSD Book Graphデータセットの時間的説明分析について述べる。
2011年におけるアルゴリズムレコメンデーションの導入は,ユーザやレコメンデーションシステムの振る舞いの観察可能な変化に続いたかを検討する。
論文 参考訳（メタデータ） (2025-05-07T15:45:04Z) - Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。
よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文 参考訳（メタデータ） (2025-02-05T17:14:45Z) - Online and Offline Evaluations of Collaborative Filtering and Content Based Recommender Systems [0.0]
本研究では,イランにおける大規模レコメンデーションシステムの比較分析を行った。
このシステムは、コンテンツベース、協調フィルタリング、トレンドベース手法、ハイブリッドアプローチを用いた、ユーザベースおよびアイテムベースのレコメンデーションを採用している。
評価方法は,手動による評価,ヒットレート@kやnDCGなどの評価指標を含むオフラインテスト,クリックスルーレート(CTR)によるオンラインテストなどである。
論文 参考訳（メタデータ） (2024-11-02T20:05:31Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - A Systematic Literature Review on Task Recommendation Systems for Crowdsourced Software Engineering [8.210764997771532]
このSLRはKitchenham and Chartersのガイドラインに従って実施された。
我々は,データ抽出,解析,合成に関する65の一次研究を選択した。
以上の結果から,人的要因がCSEタスクレコメンデーションにおいて重要な役割を担っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-07-13T12:46:57Z) - Impression-Aware Recommender Systems [53.48892326556546]
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Thematic recommendations on knowledge graphs using multilayer networks [0.0]
知識グラフ(KG)の多層ネットワーク表現に基づくテーマレコメンデーションの生成と評価のためのフレームワークを提案する。
この表現では、各層はKG内の異なるタイプの関係を符号化し、有向層間結合は異なる役割において同じエンティティを接続する。
パーソナライズされたPageRankアルゴリズムをKGの多層モデルに適用し,項目列レコメンデーションを生成する。
論文 参考訳（メタデータ） (2021-05-12T15:30:21Z) - Comprehensive Empirical Evaluation of Deep Learning Approaches for
Session-based Recommendation in E-Commerce [38.42250061908039]
セッションベースのレコメンデーションでは、リコメンデーションシステムは、同じセッション内でユーザが行ったイベントの順序をカウントして、他のアイテムを予測し、支持する。
本稿では,セッションベースレコメンデーションで使用される最先端のディープラーニングアプローチについて,包括的に評価する。
論文 参考訳（メタデータ） (2020-10-17T17:22:35Z)
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。