論文の概要: AgentRecommender: LLM Agents Enable Customizable Recommender Systems on the User Side

• arxiv url: http://arxiv.org/abs/2609.31166v1
• Date: Fri, 25 Sep 2026 11:58:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.372335
• Title: AgentRecommender: LLM Agents Enable Customizable Recommender Systems on the User Side
• Title（参考訳）: AgentRecommender: ユーザサイドでカスタマイズ可能なRecommenderシステムを可能にするLLMエージェント
• Abstract要約: 我々はAgentRecommenderを提案し、データを追加せずにユーザ側のレコメンデータシステムを柔軟に構築する。 AgentRecommenderを使えば、ユーザーは自分の好みに合わせてレコメンデーションシステムを簡単に作成できる。
• 参考スコア（独自算出の注目度）: 15.107423134754859
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommender systems have traditionally been developed for platforms. However, this has given rise to many phenomena that may be advantageous for platform lock-in but are a nuisance to users, such as clickbait, filter bubbles, and the spread of fake news. Recently, user-side recommender systems have been proposed as a new paradigm for solving this problem. If users deploy their own recommender systems, they are no longer at the mercy of the platform's interests. However, building a user-side recommender system is not trivial; in particular, customizing one for oneself requires additional data. We propose AgentRecommender, a method that leverages the investigation capability and internal knowledge of LLM agents to flexibly build user-side recommender systems without additional data. AgentRecommender allows users to easily create recommender systems tailored to their own preferences.
• Abstract（参考訳）: プラットフォーム向けのレコメンダシステムは伝統的に開発されてきた。 しかし、これはプラットフォームロックインに有利であるが、クリックベイト、フィルターバブル、フェイクニュースの拡散といったユーザーにとって迷惑となる多くの現象を引き起こしている。 近年,この問題を解決するための新しいパラダイムとして,ユーザ側レコメンデータシステムが提案されている。 ユーザが独自のレコメンデータシステムをデプロイしても、プラットフォームへの関心に敬意を表してはいない。 しかし、ユーザ側のレコメンデータシステムを構築するのは簡単ではない。 本稿では,LLMエージェントの検索能力と内部知識を活用してユーザ側レコメンダシステムを構築する手法であるAgentRecommenderを提案する。 AgentRecommenderを使えば、ユーザーは自分の好みに合わせてレコメンデーションシステムを簡単に作成できる。

関連論文リスト

• RecoWorld: Building Simulated Environments for Agentic Recommender Systems [55.979427290369216]
  エージェントレコメンデータシステムに適したシミュレーション環境を構築するための青写真であるRecoWorldを提示する。 ユーザシミュレータは、推奨項目をレビューし、その考え方を更新し、潜在的なユーザ切り離しを感知すると、反射指示を生成する。 エージェント推奨者は、これらのユーザ命令と推論トレースを取り入れ、ダイナミックなフィードバックループを作成することで、そのレコメンデーションに適応する。
  論文  参考訳（メタデータ） (2025-09-12T16:44:34Z)
• iAgent: LLM Agent as a Shield between User and Recommender Systems [33.289547118795674]
  レコメンダシステムは、通常、ユーザーがプラットフォームレコメンデーションアルゴリズムの制御下で直接露出される、ユーザープラットフォームパラダイムを取り入れている。 本稿では,エージェントがユーザとレコメンダシステムの間の保護シールドとして機能する,新しいユーザエージェントプラットフォームパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-02-20T15:58:25Z)
• Overhead-free User-side Recommender Systems [17.912507269030577]
  オーバヘッドのないユーザ側レコメンデータシステムであるRecCycleを提案し,通信オーバヘッドのないユーザ側レコメンデータシステムを提案する。 RecCycleはプロバイダのレコメンデーションシステムが提供する過去のレコメンデーション結果をリサイクルする。 ユーザ側のレコメンデーションのコストを大幅に削減します。
  論文  参考訳（メタデータ） (2024-11-12T06:58:03Z)
• User Consented Federated Recommender System Against Personalized Attribute Inference Attack [55.24441467292359]
  本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。 UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
  論文  参考訳（メタデータ） (2023-12-23T09:44:57Z)
• 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)
• 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)
• 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)
• Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
  信頼できるレコメンデーションシステムを採用することが重要になります。 本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
  論文  参考訳（メタデータ） (2020-04-08T02:11:55Z)

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。