論文の概要: Generate Natural Language Explanations for Recommendation

• arxiv url: http://arxiv.org/abs/2101.03392v1
• Date: Sat, 9 Jan 2021 17:00:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-09 09:16:49.181286
• Title: Generate Natural Language Explanations for Recommendation
• Title（参考訳）: 推薦のための自然言語記述の生成
• Authors: Hanxiong Chen, Xu Chen, Shaoyun Shi, Yongfeng Zhang
• Abstract要約: パーソナライズドレコメンデーションのために,フリーテキストの自然言語説明を作成することを提案する。 特に,パーソナライズされた説明生成のための階層型シーケンス・ツー・シーケンスモデル(hss)を提案する。
• 参考スコア（独自算出の注目度）: 25.670144526037134
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Providing personalized explanations for recommendations can help users to understand the underlying insight of the recommendation results, which is helpful to the effectiveness, transparency, persuasiveness and trustworthiness of recommender systems. Current explainable recommendation models mostly generate textual explanations based on pre-defined sentence templates. However, the expressiveness power of template-based explanation sentences are limited to the pre-defined expressions, and manually defining the expressions require significant human efforts. Motivated by this problem, we propose to generate free-text natural language explanations for personalized recommendation. In particular, we propose a hierarchical sequence-to-sequence model (HSS) for personalized explanation generation. Different from conventional sentence generation in NLP research, a great challenge of explanation generation in e-commerce recommendation is that not all sentences in user reviews are of explanation purpose. To solve the problem, we further propose an auto-denoising mechanism based on topical item feature words for sentence generation. Experiments on various e-commerce product domains show that our approach can not only improve the recommendation accuracy, but also the explanation quality in terms of the offline measures and feature words coverage. This research is one of the initial steps to grant intelligent agents with the ability to explain itself based on natural language sentences.
• Abstract（参考訳）: レコメンデーションにパーソナライズされた説明を提供することは、レコメンデーション結果の基盤となる洞察を理解するのに役立ち、レコメンデーションシステムの有効性、透明性、説得力、信頼性に役立ちます。 現在の説明可能なレコメンデーションモデルは、主に定義済みの文テンプレートに基づいてテキストの説明を生成する。 しかし、テンプレートに基づく説明文の表現力は予め定義された表現に限られており、手動で表現を定義するにはかなりの努力が必要である。 この問題に動機づけられて,パーソナライズドレコメンデーションのための自由テキスト自然言語説明の作成を提案する。 特に、パーソナライズされた説明生成のための階層列列列モデル(HSS)を提案する。 nlp研究における従来の文生成とは異なり、電子商取引推奨における説明生成の大きな課題は、ユーザーレビューのすべての文が説明目的であるとは限らないことである。 そこで本研究では,文生成のための話題項目特徴語に基づく自動復号化機構を提案する。 各種電子商取引製品ドメインの実験から,提案手法は推奨精度の向上だけでなく,オフライン対策や特徴語カバレッジの観点からも説明品質の向上が期待できる。 この研究は、知的エージェントに自然言語文に基づいて自己を説明する能力を与える最初のステップの1つである。

関連論文リスト

• DeSTA: Enhancing Speech Language Models through Descriptive Speech-Text Alignment [82.86363991170546]
  本稿では、音声キャプションを利用して音声とテキストのモダリティのギャップを埋める記述型音声テキストアライメント手法を提案する。 我々のモデルはDynamic-SUPERBベンチマークで優れた性能を示し、特に目に見えないタスクに一般化する。 これらの知見は、説明豊かな音声キャプションを組み込むことにより、指示追従型SLMを再構築する可能性を強調した。
  論文  参考訳（メタデータ） (2024-06-27T03:52:35Z)
• Unlocking the Potential of Large Language Models for Explainable Recommendations [55.29843710657637]
  説明ジェネレータを最近登場した大規模言語モデル(LLM)に置き換える影響は、まだ不明である。 本研究では,シンプルで効果的な2段階説明可能なレコメンデーションフレームワークであるLLMXRecを提案する。 いくつかの重要な微調整技術を採用することで、制御可能で流動的な説明が十分に生成できる。
  論文  参考訳（メタデータ） (2023-12-25T09:09:54Z)
• Knowledge-grounded Natural Language Recommendation Explanation [11.58207109487333]
  自然言語の説明可能なレコメンデーションに対する知識グラフ(KG)アプローチを提案する。 提案手法は,新しいコラボレーティブフィルタリングに基づくKG表現により,ユーザイテムの特徴を引き出す。 実験結果から,提案手法は,従来の自然言語説明推薦モデルよりも一貫して優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-08-30T07:36:12Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Abductive Commonsense Reasoning Exploiting Mutually Exclusive Explanations [118.0818807474809]
  帰納的推論は、イベントのもっともらしい説明を見つけることを目的としている。 自然言語処理における帰納的推論のための既存のアプローチは、しばしば監督のために手動で生成されたアノテーションに依存している。 この研究は、ある文脈に対して、説明のサブセットのみが正しいという事実を活用する、帰納的コモンセンス推論のアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:35:10Z)
• Explainable Recommender with Geometric Information Bottleneck [25.703872435370585]
  本稿では,ユーザ-イテム相互作用から学習した幾何学的事前学習を変分ネットワークに組み込むことを提案する。 個々のユーザとイテムペアからの遅延因子は、レコメンデーションと説明生成の両方に使用することができる。 3つの電子商取引データセットの実験結果から,我々のモデルは変分レコメンデータの解釈可能性を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2023-05-09T10:38:36Z)
• UCEpic: Unifying Aspect Planning and Lexical Constraints for Generating Explanations in Recommendation [26.307290414735643]
  本稿では,高品質なパーソナライズされたパーソナライズされた説明文を生成するモデルであるUCEpicを提案する。 UCEpicはアスペクト計画と語彙制約をひとつのフレームワークに統合し、異なる設定で説明を生成する。 従来のレコメンデーション・ジェネレータと比べ、UCEpicはキーフレーズから特定の情報を取り入れている。
  論文  参考訳（メタデータ） (2022-09-28T07:33:50Z)
• Graph-based Extractive Explainer for Recommendations [38.278148661173525]
  ユーザ,項目,属性,文をシームレスに統合し,抽出に基づく説明を行うグラフ注意型ニューラルネットワークモデルを開発した。 個々の文の関連性, 属性カバレッジ, 内容冗長性のバランスをとるために, 整数線形プログラミング問題を解くことにより, 文の最終的な選択を行う。
  論文  参考訳（メタデータ） (2022-02-20T04:56:10Z)
• Hierarchical Aspect-guided Explanation Generation for Explainable Recommendation [37.36148651206039]
  階層的アスペクト誘導説明生成(HAG)という新しい説明生成フレームワークを提案する。 アスペクト誘導グラフプーリング演算子は、アスペクト関連情報をレビューベースの構文グラフから抽出するために提案される。 そして、アテンション機構に基づいてアスペクトおよびアスペクト関連説明を生成する階層的説明デコーダを開発する。
  論文  参考訳（メタデータ） (2021-10-20T03:28:58Z)
• Towards Interpretable Natural Language Understanding with Explanations as Latent Variables [146.83882632854485]
  そこで本研究では,人間に注釈付き説明文の小さなセットだけを必要とする自然言語理解の枠組みを構築した。 我々のフレームワークは、ニューラルネットワークの基本的な推論過程をモデル化する潜在変数として、自然言語の説明を扱う。
  論文  参考訳（メタデータ） (2020-10-24T02:05:56Z)
• Improving Adversarial Text Generation by Modeling the Distant Future [155.83051741029732]
  テキスト計画手法を考察し、上記の問題を緩和するためのモデルに基づく模倣学習手法を提案する。 本稿では,より長い地平線上の生成過程に焦点をあてる新しいガイドネットワークを提案する。
  論文  参考訳（メタデータ） (2020-05-04T05:45:13Z)

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。