論文の概要: The Impact of User-Level Explanation Properties on Explanation Goals in Recommender Systems

• arxiv url: http://arxiv.org/abs/2310.14379v2
• Date: Sat, 07 Dec 2024 19:03:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:47:06.353963
• Title: The Impact of User-Level Explanation Properties on Explanation Goals in Recommender Systems
• Title（参考訳）: ユーザレベル説明特性がレコメンダシステムにおける説明目標に及ぼす影響
• Authors: André Levi Zanon, Marcelo Garcia Manzato, Leonardo Rocha,
• Abstract要約: Recommender Systems(RS)におけるユーザの透明性、説得性、エンゲージメント、信頼を改善する上で、説明は不可欠である。 本稿では,属性の多様性や人気度などのユーザレベルの説明特性が,説明目標に対するユーザ認識に与える影響について検討する。
• 参考スコア（独自算出の注目度）: 5.634769877793363
• License:
• Abstract: Explanations are crucial for improving users' transparency, persuasiveness, engagement, and trust in Recommender Systems (RSs) by connecting interacted items to recommended items based on shared attributes. However, evaluating the effectiveness of explanation algorithms regarding those goals offline remains challenging due to their subjectiveness. This paper investigates the impact of user-level explanation properties, such as diversity and popularity of attributes, on the user perception of explanation goals. In an offline setting, we used metrics adapted from ranking to evaluate the characteristics of explanations generated by three state-of-the-art post-hoc explanation algorithms, based on the items and properties used to form the explanation sentence, across six recommendation systems. We compared the offline metrics results with those of an online user study. The findings highlight a trade-off between the goals of transparency and trust, which are related to popular properties, and the goals of engagement and persuasiveness, which are associated with the diversification of properties displayed to users. Furthermore, the study contributes to developing more robust evaluation methods for explanation algorithms in RSs.
• Abstract（参考訳）: 共有属性に基づいた推奨項目にインタラクションアイテムを接続することにより、ユーザの透明性、説得性、エンゲージメント、レコメンダシステム(RS)に対する信頼を改善するために、説明が不可欠である。 しかし、それらの目的に関する説明アルゴリズムの有効性を評価することは、その主観性のため、依然として困難である。 本稿では,属性の多様性や人気度などのユーザレベルの説明特性が,説明目標に対するユーザ認識に与える影響について検討する。 オフライン環境では、6つのレコメンデーションシステムにおいて、説明文を形成するために使用される項目や特性に基づいて、最先端の3つの説明アルゴリズムによって生成された説明の特徴を評価するために、ランキングから適応されたメトリクスを使用した。 オフラインの計測結果とオンラインユーザ調査の結果を比較した。 この結果から, 人気財産に関連する透明性と信頼の目標と, 利用者に提示される財産の多様化に伴うエンゲージメントと説得性の目標とのトレードオフが浮き彫りとなった。 さらに,本研究は,RSにおける説明アルゴリズムのより堅牢な評価手法の開発に寄与する。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Aligning Explanations for Recommendation with Rating and Feature via Maximizing Mutual Information [29.331050754362803]
  現在の説明生成手法は,既存のユーザレビューを模倣する目的で一般的に訓練されている。 MMIフレームワークと呼ばれるフレキシブルなモデルに依存しない手法を提案し、生成した自然言語の説明と予測された評価/重要項目の特徴との整合性を高める。 私たちのMMIフレームワークは、さまざまなバックボーンモデルを強化し、予測された評価やアイテム機能との整合性の観点から、既存のベースラインを上回ります。
  論文  参考訳（メタデータ） (2024-07-18T08:29:55Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• Interactive Explanation with Varying Level of Details in an Explainable Scientific Literature Recommender System [0.5937476291232802]
  本稿では,ユーザ中心の対話型説明モデルの採用を目標とし,さまざまな詳細レベルの説明を提供するとともに,ユーザのニーズや好みに基づいた説明の対話,制御,パーソナライズを可能にする。 本研究では,対話的説明の提供がユーザによる説明可能なRSの知覚に与える影響について質的研究を行った。
  論文  参考訳（メタデータ） (2023-06-09T10:48:04Z)
• 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)
• Discovering Personalized Semantics for Soft Attributes in Recommender Systems using Concept Activation Vectors [34.56323846959459]
  インタラクティブなレコメンデータシステムは、ユーザがよりリッチな方法で意図、好み、制約、コンテキストを表現することを可能にする。 課題の1つは、ユーザのセマンティックな意図を、しばしば望ましい項目を記述するために使用されるオープンエンドの用語や属性から推測することである。 このような属性のセマンティクスを捉える表現を学習し、それをレコメンデーションシステムにおけるユーザの好みや行動に結びつけるためのフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-02-06T18:45:15Z)
• From Intrinsic to Counterfactual: On the Explainability of Contextualized Recommender Systems [43.93801836660617]
  本研究では、コンテキスト的特徴(例えば、ユーザからの項目レビュー)を活用することで、一連の説明可能なレコメンデータシステムを設計できることを示す。 モデルの透明性を段階的に変化させる3つの方法として,ホワイトボックス,グレーボックス,ブラックボックスの3種類を提案する。 我々のモデルは高い競争力のあるランキング性能を達成し、多数の量的指標と定性的な視覚化の観点から正確かつ効果的な説明を生成する。
  論文  参考訳（メタデータ） (2021-10-28T01:54:04Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach [61.2786065744784]
  レコメンデーションシステムでは、ユーザとアイテムは属性に関連付けられ、ユーザはアイテムの好みを表示する。 ユーザ(item)属性をアノテートすることは労働集約的なタスクであるため、属性値が欠落している多くの属性値と不完全であることが多い。 本稿では,共同項目推薦と属性推論のための適応グラフ畳み込みネットワーク(AGCN)アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-25T10:50:01Z)

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。