論文の概要: Towards welfare-oriented recommendations in activity-travel behavior
- arxiv url: http://arxiv.org/abs/2608.16922v1
- Date: Mon, 03 Aug 2026 16:34:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.974477
- Title: Towards welfare-oriented recommendations in activity-travel behavior
- Title（参考訳）: 活動軌跡行動における福祉指向の勧告に向けて
- Abstract要約: ネットユーティリティの観点から提案する活動推薦のための福祉指向の枠組みを導入する。
PUP(Positive Utility)は、非負のネットユーティリティの確率がしきい値を超える場合にのみ推奨し、Regret Minimization(RM)は、ユーザの最高の有機的代替品に対して期待された後悔が許容値を下回る場合にのみ推奨する。
- 参考スコア（独自算出の注目度）: 0.9740025522928777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While mainstream recommender systems (RS) rely on diverse heuristics to rank alternatives, they generally lack a principled account of user welfare (i.e., whether accepting the recommendation will leave the user better off than other alternatives). The problem is particularly acute in activity-based travel behavior, where users incur costs they cannot recoup (i.e., energy, time) regardless of eventual satisfaction. As a result, existing systems may recommend options based on popularity or collaborative filtering, but may still leave users worse off than nearby or self-selected alternatives. We address this gap by introducing a welfare-oriented framework for activity recommendation that evaluates suggestions in terms of net utility, defined as experienced benefit minus travel costs. Specifically, we formalize two operational decision criteria: Positive Utility Probability (PUP) recommends only when the probability of non-negative net utility exceeds a threshold, while Regret Minimization (RM) recommends only when expected regret relative to the user's best organic alternative falls below a tolerance level. To evaluate these criteria, we develop an agent-based simulation in which heterogeneous synthetic travelers interact with multiple RS over time in a spatial environment with realistic travel costs, congestion, and behavioral feedback loops. This framework enables controlled counterfactual evaluations, and offers a practical foundation for designing RS that treat user welfare as a primary objective rather than an incidental byproduct.
- Abstract（参考訳）: 主流のレコメンデーターシステム(RS)は、様々なヒューリスティックに頼って代替品をランク付けするが、一般的にはユーザー福祉の原則的な説明が欠如している(つまり、リコメンデーションを受け入れることで、他の代替品よりもユーザーをより良くするかどうか)。
この問題は特に活動に基づく旅行行動において急激であり、ユーザーは最終的に満足度に関係なく再結合できないコスト(すなわちエネルギー、時間)を被る。
その結果、既存のシステムは人気度やコラボレーティブなフィルタリングに基づくオプションを推奨するかもしれないが、ユーザを近くの選択肢や自己選択の選択肢よりも悪くする可能性がある。
このギャップに対処するため, 生活費を抑えるため, 生活費を削減し, 生活費を削減できる活動推薦のための福祉指向の枠組みを導入する。
PUP(Positive Utility Probability)は、非負のネットユーティリティの確率がしきい値を超える場合にのみ推奨する一方で、Regret Minimization(RM)は、ユーザの最高の有機的代替品に対して期待された後悔が許容値を下回る場合にのみ推奨する。
これらの基準を評価するため,異種合成旅行者が現実的な旅行コスト,混雑,行動フィードバックループを伴って空間環境において,時間とともに複数のRSと相互作用するエージェントベースシミュレーションを開発した。
本フレームワークは, 対策評価を制御可能とし, ユーザ福祉を主目的とするRS設計の実践的基盤を提供する。
関連論文リスト
- Reuse Before You Retrieve: Diagnosing Headroom and Complementarity for Test-Time Augmentation of Embodied Multimodal Policies [56.86456077356948]
凍結言語アクション(VLA)ポリシーは、テスト時に徐々に改善されている。
追加のサンプリングは、ポリシーのロールアウト内により優れた振る舞いが存在する場合にのみ有効である。
検索は、関連するアクションがポリシーによって確実に表現されない場合に最も有用である。
論文 参考訳（メタデータ） (2026-08-18T08:11:31Z) - Tree of Preferences for Diversified Recommendation [54.183647833064136]
データバイアスの観点から、多種多様な推薦について検討する。
本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-12-24T04:13:17Z) - Search-Based Interaction For Conversation Recommendation via Generative Reward Model Based Simulated User [117.82681846559909]
会話レコメンデーションシステム(CRS)は、マルチターンインタラクションを使用してユーザの好みを捉え、パーソナライズされたレコメンデーションを提供する。
本稿では,CRSと自動インタラクションを行うための生成報酬モデルに基づくシミュレーションユーザGRSUを提案する。
論文 参考訳（メタデータ） (2025-04-29T06:37:30Z) - Recommendation and Temptation [3.734925590025741]
エンリッチメントと誘惑の緊張を明示的にモデル化する新しいレコメンデーション設計を提案する。
私たちの仕事は、よりニュアンスでユーザ中心の推奨設計へのパラダイムシフトを表しています。
論文 参考訳（メタデータ） (2024-12-13T22:44:22Z) - The Nah Bandit: Modeling User Non-compliance in Recommendation Systems [6.56045575313744]
Expert with Clustering(EWC)は、推奨オプションと推奨されないオプションの両方からのフィードバックを取り入れた階層的なアプローチで、ユーザの好み学習を加速する。
EWCは教師付き学習と伝統的な文脈的バンディットアプローチの両方を上回ります。
この研究は、より効果的なレコメンデーションシステムのための堅牢なフレームワークを提供する、Nah Banditにおける将来の研究の基礎を築いた。
論文 参考訳（メタデータ） (2024-08-15T03:01:02Z) - Modeling User Retention through Generative Flow Networks [34.74982897470852]
フローベースのモデリング技術は、ユーザセッションで推奨される各項目に対する保持報酬をバックプロパガントすることができる。
従来の学習目標と組み合わされたフローは、最終的には、即時フィードバックとユーザ保持の両方に対して、非カウントの累積報酬を最適化した。
論文 参考訳（メタデータ） (2024-06-10T06:22:18Z) - Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。
本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
論文 参考訳（メタデータ） (2021-11-01T19:49:35Z) - PURS: Personalized Unexpected Recommender System for Improving User
Satisfaction [76.98616102965023]
本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。
3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2021-06-05T01:33:21Z) - Optimizing Long-term Social Welfare in Recommender Systems: A
Constrained Matching Approach [36.54379845220444]
一定レベルのユーザエンゲージメントを受けない限り、コンテンツプロバイダが存続できないような設定について検討する。
我々のモデルは、十分に多様な実現可能な提供者によって支えられる最大限の社会福祉と平衡に達することを保証します。
我々は、これらの結果が実用的意味でより公平であると主張する、ユーザの後悔と公平性のさまざまな概念に関連性を引き出す。
論文 参考訳（メタデータ） (2020-07-31T22:40:47Z) - Counterfactual Evaluation of Slate Recommendations with Sequential
Reward Interactions [18.90946044396516]
音楽ストリーミング、ビデオストリーミング、ニュースレコメンデーション、eコマースサービスは、しばしばシーケンシャルな方法でコンテンツを扱う。
したがって、適切なレコメンデーションのシーケンスの提供と評価は、これらのサービスにとって重要な問題である。
そこで本研究では,アナルアンバイアスの少ない報酬の逐次的相互作用が可能な新しい反事実推定器を提案する。
論文 参考訳（メタデータ） (2020-07-25T17:58:01Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳（メタデータ） (2020-05-04T16:23:34Z)
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。