Recommender Systems for Good (RS4Good): Survey of Use Cases and a Call to Action for Research that Matters

要約

レコメンダ システムの分野では、研究活動の大部分が、ますます洗練されたレコメンデーション モデルの開発に費やされ、使用される計算リソースもますます増えています。
残念ながら、これらの研究活動のほとんどは、非常に少数のアプリケーション ドメイン、主に電子商取引とメディア レコメンデーションを対象としています。
さらに、これらのモデルの多くはユーザーによって評価されることはなく、ましてや実践されることはありません。
したがって、学者によるこれらの取り組みの多くが科学的、経済的、社会的価値を持つかどうかは、ほとんど不明のままです。
これらの取り組みから生じるより強力なプラスの影響を達成するために、私たちは研究コミュニティとして、レコメンダー システムが社会的利益 (RS4Good) に貢献するユースケースにもっと頻繁に取り組むべきであると考えています。
この意見記事では、まず、社会的関心のある問題に対する推奨システムの使用が文献でうまく調査されている多数の例について説明します。
次に、RS4Good 研究を成功させるために必要なパラダイム シフトの概要を説明します。重要な要素は、学際的なコラボレーションと、人間との長期的な評価アプローチです。

要約(オリジナル)

In the area of recommender systems, the vast majority of research efforts is spent on developing increasingly sophisticated recommendation models, also using increasingly more computational resources. Unfortunately, most of these research efforts target a very small set of application domains, mostly e-commerce and media recommendation. Furthermore, many of these models are never evaluated with users, let alone put into practice. The scientific, economic and societal value of much of these efforts by scholars therefore remains largely unclear. To achieve a stronger positive impact resulting from these efforts, we posit that we as a research community should more often address use cases where recommender systems contribute to societal good (RS4Good). In this opinion piece, we first discuss a number of examples where the use of recommender systems for problems of societal concern has been successfully explored in the literature. We then proceed by outlining a paradigmatic shift that is needed to conduct successful RS4Good research, where the key ingredients are interdisciplinary collaborations and longitudinal evaluation approaches with humans in the loop.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google