[dbjapan] DBSJ Newsletter Vol. 18, No. 3: ECIR2025, SDM2025, ICISSP2025, WWW2025

┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ ┃ 日本データベース学会 Newsletter ┃ 2025年6月号 ( Vol. 18, No. 3 ) ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 本号では、国際会議 ECIR2025, SDM2025, ICISSP2025, WWW2025 の参加報告をご 寄稿いただいております。会議の動向やご自身の研究内容などのご紹介となりま す。 本号並びに DBSJ Newsletter に対するご意見あるいは次号以降に期待する内容に ついてご意見がございましたら news-com [at] dbsj.org までお寄せください。 　　　　　　　　　　　　　　　　　　　　　　DBSJ Newsletter 編集委員会 　　　　　　　　　　　　　　　　　　　　　　　 （担当編集委員　村上 直） ======================================================================== ---- 目次 ---- １．ECIR2025 参加報告 　櫻井 慶悟 北海道大学 ２．SDM2025 参加報告 　Igor L.R. Azevedo 東京大学 ３．ICISSP2025 参加報告 　MAI, Trong Khang 北陸先端科学技術大学院大学 ４．The Web Conference 2025 参加報告 　鈴木 雅弘 日興アセットマネジメント株式会社 / 東京大学 ======================================================================== ■１■ ECIR2025 参加報告 　　　　　　　　　　　　　　　　　　　　　　　　　櫻井 慶悟（北海道大学） 2025年4月6日から10日までの5日間にわたってイタリア共和国トスカーナ州ルッ カで開催された47th European Conference on Information Retrieval (ECIR2025) に現地参加しました．ECIRは情報検索分野において長い歴史を持つ 難関国際会議の1つとして知られており，ヨーロッパのみならず世界中から研究 者が集い，情報検索の最先端の研究に関する発表および議論がなされました． 今年のECIRでは，full paperが52本 (採択率：23%)，short paperが42本 (採択 率：26%)，IR4Good paperが16本 (採択率：29%)，demonstration paperが25本 ( 採択率：58%)，reproducibility paperが9本 (採択率：50%)，doctral consortium paperが12本 (採択率：75%) 採択されました．このうち，full paper，reproducibility paper，doctral consortium paperはオーラル，それ以 外はポスターで発表が行われました．特に，聴衆の関心を集めていたトピックと して，会話型検索やRAGといったLLM時代を象徴する検索技術に関する研究が数多 く発表されており，招待講演やワークショップもこれらの技術にフォーカスをあ てたものが開催されていました．また，評価指標や公平性に関する研究も依然数 多く発表されており，LLMの台頭によって萌芽した新たな問題への対処を目的と した研究が活発に議論されていた印象です． 日本人の主著論文は4本採択され，いずれも国内の大学院生(北海道大学・筑波大 学・東京大学)による発表でした．私は主著論文「LLM is Knowledge Graph Reasoner: LLM’s Intuition-Aware Knowledge Graph Reasoning for Cold-Start Sequential Recommendation」をfull paperトラックにて発表しまし た．この論文では，LLMと知識グラフを用いた推薦手法を提案しており，LLMに内 在する推薦に活用可能な知識(推薦リテラシー)を強化学習ベースの知識グラフ推 論に活用することで，高い推薦性能とスケーラビリティを達成可能であることを 報告しました．詳細は以下のリンクを御覧ください．私が発表したセッションは， サンフランチェスコ修道院という教会の中で行われ，国内の会議ではまず味わう ことのない荘厳な雰囲気に圧倒されながら発表を行いました．セッションが終わっ てからも，海外の企業およびアカデミア研究者から，モチベーションやfuture workについて多くの質問をいただき，関心を引くことができたという手ごたえを 感じました． ECIR2026はオランダ・デルフトにて，2026年3月29日から4月2日の期間で開催さ れます．SIGIRやCIKM等の関連会議と比較するとヨーロッパの参加者が多く規模 も小さめですが，その分コミュニティとの距離が近く，活発な議論ができる会議 です．是非投稿および現地参加を検討されてみてはいかがでしょうか． リンク 著者らの論文： https://link.springer.com/chapter/10.1007/978-3-031-88711-6_17 北海道大学 大西さんらの論文： https://link.springer.com/chapter/10.1007/978-3-031-88714-7_25 筑波大学 藤巻さんらの論文： https://link.springer.com/chapter/10.1007/978-3-031-88714-7_19 東京大学 高柳さんらの論文： https://link.springer.com/chapter/10.1007/978-3-031-88720-8_3 著者紹介： 櫻井 慶悟（北海道大学） 2021年北海道大学工学部情報エレクトロニクス学科卒業．2023年北海道大学院情 報科学院修士課程修了．現在，北海道大学院情報科学院博士後期課程在学中．日 本学術振興会特別研究員 (DC1)．知識グラフに基づくハイブリッド推薦システム に関する研究に従事． ------------------------------------------------------------------------ ■２■ SDM2025 参加報告 　　　　　　　　　　　　　　　　　　　　　　Igor L.R. Azevedo（東京大学） The Society for Industrial and Applied Mathematics (SIAM) International Conference on Data Mining 2025 (SDM2025) was held from May 1 (Thursday) to May 3 (Saturday), 2025, in Alexandria, United States. This year, the conference received 228 paper submissions, out of which 61 were accepted, resulting in a competitive acceptance rate of 26.7%. Our team had the opportunity to present our paper titled “A Look Into News Avoidance Through AWRS: An Avoidance-Aware Recommender System” during the Recommender Systems session on May 1st. This work addresses the growing phenomenon of news avoidance, a behavioral pattern often overlooked by traditional recommender systems. We proposed AWRS, a novel framework that jointly models exposure, relevance, and avoidance to better capture user preferences. By introducing a user engagement embedding that accounts for avoidance and exposure patterns, AWRS achieved strong performance across three datasets in English (MIND), Norwegian (Adressa), and Japanese (Nikkei Inc.). Our participation at SDM allowed us to share these findings and receive valuable feedback from the broader data mining community. In particular, several researchers offered suggestions on improving our avoidance modeling and discussed the potential for integrating large language models (LLMs) to further enhance user understanding and personalization - a direction we intend to explore in our future work. In addition to our presentation, SDM2025 featured a number of inspiring talks and papers. Notably, Dr. Bryan Perozzi (Google Research) delivered a talk titled “Graph Reasoning in Large Language Models”, which explored how LLMs reason over complex data structures. The presentation covered a representational hierarchy of Transformer architectures, the generation of novel temporal reasoning tasks, and new methods for enhancing in-context representations of structured data. Another highlight was the talk by Assoc. Prof. Dr. Johan Ugander (Stanford University) on misinformation diffusion in social networks, with a particular focus on Community Notes, a fact-checking initiative on X (formerly Twitter). The session discussed techniques to evaluate the effectiveness of such interventions in slowing the spread of misleading content and methods related to Bridging-Based Ranking. Overall, SDM2025 provided a rich environment for discussion and exchange, bringing together researchers from diverse backgrounds to explore the latest advancements in data mining. We are grateful for the opportunity to present our research and look forward to contributing further to the study of avoidance-aware recommender systems in future venues. 著者紹介： Igor L.R. Azevedo (The University of Tokyo) Igor L.R. Azevedo was a Research Scholar at the Graduate School of Information Science and Technology, The University of Tokyo, from 2023 to 2025, under the supervision of Professor Toyotaro Suzumura. He was awarded the MEXT Scholarship, a research grant funded by Japan’s Ministry of Education, Culture, Sports, Science and Technology. He received his B.Eng. in Electrical Engineering from the University of Brasilia, Brazil. His research interests include recommender systems, user behavior modeling, large language models (LLMs), and deep learning applied to time series forecasting, particularly in financial markets. Toyotaro Suzumura (The University of Tokyo) Prof. Toyotaro Suzumura has been a professor at The University of Tokyo since April 2021. His research interests include graph neural networks, recommender systems, large language models, brain science, and high-performance computing. He received his Ph.D. in computer science from the Tokyo Institute of Technology in 2004. From 2004 to 2021, he was a principal research scientist at IBM Research, working in Tokyo (2004 - 2013), Dublin (2013 - 2015), and at the IBM T.J. Watson Research Center and MIT-IBM Watson AI Lab in New York (2015 - 2021). Yuichiro Yasui (Nikkei Inc.) Dr. Yuichiro Yasui is a Senior Research Scientist at Nikkei Innovation Lab, NIKKEI Inc. He received his Ph.D. in statistical science from SOKENDAI in 2023. His research interests include statistical modeling, semantic web technologies, natural language processing, mathematical optimization, and high-performance computing. Prior to joining Nikkei Innovation Lab in 2019, where he currently leads R&D projects, he held research fellow positions at universities (2012 - 2016) and worked as a data scientist at Nikkei BP (2017 - 2019). ------------------------------------------------------------------------ ■３■ ICISSP2025 参加報告 　　　　　　　　　　　　　MAI, Trong Khang（北陸先端科学技術大学院大学） The 11th International Conference on Information Systems Security and Privacy (ICISSP 2025) took place in Porto, Portugal, from February 20 to 22, 2025. This event provided a platform for international researchers to gather and discuss emerging trends in cybersecurity and privacy. This year, the conference had 151 paper submissions from 35 countries, out of which 29% were accepted as full papers. Besides full paper presentations, the conference also included other types of presentations, such as short papers and posters. Additionally, ICISSP 2025 featured several engaging keynote lectures presented by renowned experts in their fields: Awais Rashid from the University of Bristol (United Kingdom), Ahmad-Reza Sadeghi from the Technical University of Darmstadt (Germany), and Wenjing Lou from Virginia Tech (United States). The next ICISSP conference will be organized in Marbella, Spain, on March 4-6, 2026. We presented two papers at the ICISSP 2025 conference. The first paper, titled "CyLLM-DAP: Cybersecurity Domain-Adaptive Pre-Training Framework for Large Language Models," focuses on creating a framework to simplify the domain adaptation process (DAP) of Large Language Models (LLMs) in the cybersecurity field. Compared to other LLM utilization techniques, such as fine-tuning and prompt engineering, DAP is often overlooked in cybersecurity due to its implementation difficulties. To address this issue, we created a framework, namely CyLLM-DAP, designed to ease the DAP process of LLMs. In the mentioned paper, we illustrate how CyLLM-DAP can be employed for data collection and processing, as well as for creating cybersecurity-specific LLMs (CyLLMs) based on advanced open-source models (Llama 3 and Mistral v0.3). The effectiveness of domain-adaptive pre-training is validated through two experiments involving text classification and Q&A tasks. Our evaluation results indicate that, compared to general base or instruction models, integrating cybersecurity knowledge into LLMs typically enhances their performance in both tasks, which is comparable to domain-adaptive pre-training in other research domains. We hope that our paper will attract greater attention from the research community towards DAP and open-source LLMs. Moreover, I was honored to receive the Best Student Paper Award for the work presented in this paper. The second paper, entitled "LLM-Based Fine-Grained ABAC Policy Generation," presents the results of a joint research project conducted between the Japan Advanced Institute of Science and Technology (JAIST) and NEC Corporation. This work introduces a methodology that utilizes LLMs to generate Attribute-Based Access Control (ABAC) policies directly from cybersecurity guidelines. This approach employs multiple LLMs within a mixture-of-agents mechanism to analyze the ABAC scenario from diverse perspectives. We integrate multi-turn interactions with RAG to create the appropriate context for LLM prompting. During the evaluation process, we assess the practicality of using LLM-generated policies in the access control decision-making process in an Industrial Control System (ICS) network. An optimization module is introduced to adjust the priority values of these policies, ultimately achieving an exceptional F1 score of 0.994. We hope this work will benefit the development of access management systems in IT networks. 著者紹介： MAI, Trong Khang（北陸先端科学技術大学院大学） Khang Mai is a third-year doctoral student at JAIST and a member of the Cybersecurity Research Lab (https://www.jaist.ac.jp/english/laboratory/ngdi/beuran.html). He is supervised by Assoc. Prof. Razvan Beuran. Most recent computer-based cybersecurity applications rely on large amounts of training data to facilitate the problem-solving capabilities of deep learning models. However, the dynamic nature of the cybersecurity field leads to a lack of training data, and the existing data quickly becomes outdated. As a result, experts must manually annotate the data and invest considerable effort in implementing and maintaining these applications. This results in high expertise costs for developing practical applications in the cybersecurity domain. Khang's research focuses on alleviating the manual expertise required to implement computer-based cybersecurity systems. In his most recent publications, he seeks to leverage recent trends in deep learning and natural language processing, including weak supervision and large language models, to address these challenges. ------------------------------------------------------------------------ ■４■ The Web Conference 2025 参加報告 　　　　　　　　鈴木 雅弘（日興アセットマネジメント株式会社 / 東京大学） 2025年4月28日から5月2日にかけて、オーストラリア・シドニーのICC Sydneyに て開催されたThe 2025 ACM Web Conference（通称 The Web Conferenceまたは TheWebConf）に参加しました。本会議は、Web技術とその社会的影響に関する研 究を扱う国際的なトップカンファレンスであり、今年で第34回目を迎えました。 2018年以降、この会議はWorld Wide Web Conference（通称 WWW）から改称され ています。今回の会議では、研究発表、チュートリアル、ワークショップ、コン ペティション、基調講演など、多岐にわたるプログラムが提供され、世界中から 研究者や実務者が集まりました。本会議の発表は対面形式で行われましたが、オ ンラインでの聴講も可能でした。 前半2日間はワークショップやチュートリアルの期間で、ワークショップ26件、 チュートリアル20件が、それぞれ最大20セッション並列で開催されました。後半 3日間は本会議で、口頭発表は最大11セッション、ポスター発表は最大60件が並 列で行われました。本会議では、採択論文の多くがポスター発表の形式をとり、 その中から選ばれた一部の論文に口頭発表の機会が与えられました。口頭発表は 質疑応答を含め各15分間で行われ、質疑応答が活発だった発表については、ポス ターセッションでのさらなる議論が推奨されていました。 口頭発表ではグラフ 理論、推薦システム、大規模言語モデル（LLM）に関連した研究が多く、ポスター 発表ではこれらに加え、データセット構築や異常検知に関する研究が多く見られ ました。また、ソーシャルネットワーク分析、連合学習、強化学習、情報検索な ど幅広いテーマで発表が行われていました。Research TrackやWorkshopの他に、 Industry Track、Short Papers、Demo Track、Resource Trackなど多様な形式の 研究を受け入れている点が本会議の特色の一つとして印象的でした。 基調講演では6名が登壇し、それぞれ異なるテーマで講演を行いました。各講演 後には、講演者に直接質問しようとする参加者による長い列ができるなど、大変 な盛況ぶりでした。最後の基調講演である「Open Science: A New Paradigm for the Research Lifecycle and the Role of ACM」では、未来の研究サイクルや学 術発表のあり方について提言があり、会議のテーマでもあるウェブが果たしうる 役割など、個別の研究テーマを超えた俯瞰的な視点が提示されたことが特に印象 的でした。 Best Paper Awardは「Behavioral Homophily in Social Media via Inverse Reinforcement Learning: A Reddit Case Study」に、Best Student Paper Awardは「Responsible Diffusion Models via Constraining Text Embeddings within Safe Regions」にそれぞれ授与されました。 私はResource Trackにて、「Economy Watchers Survey provides Datasets and Tasks for Japanese Financial Domain」というタイトルの発表を、北海道大学 の坂地泰紀先生との共著で行いました。本研究では、内閣府が実施している景気 ウォッチャー調査のデータから大規模なデータセットを構築するとともに、金融 ドメインにおける自然言語処理タスクを設計し評価を行いました。構築したデー タセットは以下にて公開しています。 https://huggingface.co/datasets/retarfi/economy-watchers-survey 次回のThe Web Conference 2026は、アラブ首長国連邦のドバイで4月13日から17 日にかけて開催される予定です。 著者紹介： 鈴木 雅弘（日興アセットマネジメント株式会社 / 東京大学） 2020年東京大学工学部 システム創成学科卒業。2022年東京大学大学院工学系研 究科 システム創成学専攻修士課程修了。同年4月より日興アセットマネジメント 株式会社 インベストメント・テクノロジー運用部兼株式運用部 クオンツアナリ スト。2022年10月より東京大学大学院工学系研究科 博士後期課程に在学中。テ キストを用いた金融データの解析に関する研究開発に従事。 ========================================================================