論文の概要: Impact of Tone-Aware Explanations in Recommender Systems

• arxiv url: http://arxiv.org/abs/2405.05061v1
• Date: Wed, 08 May 2024 13:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 00:58:46.736951
• Title: Impact of Tone-Aware Explanations in Recommender Systems
• Title（参考訳）: レコメンダシステムにおけるトーンアウェアの説明の影響
• Authors: Ayano Okoso, Keisuke Otaki, Satoshi Koide, Yukino Baba,
• Abstract要約: 推薦システムでは、ユーザの意思決定プロセスを支援する上で、説明の提示が重要な役割を果たす。 本研究は,3つの側面(知覚効果,ドメイン差,ユーザ属性)からオンラインユーザスタディを通じて説明音の効果について検討した。
• 参考スコア（独自算出の注目度）: 11.774563966512709
• License:
• Abstract: In recommender systems, the presentation of explanations plays a crucial role in supporting users' decision-making processes. Although numerous existing studies have focused on the effects (transparency or persuasiveness) of explanation content, explanation expression is largely overlooked. Tone, such as formal and humorous, is directly linked to expressiveness and is an important element in human communication. However, studies on the impact of tone on explanations within the context of recommender systems are insufficient. Therefore, this study investigates the effect of explanation tones through an online user study from three aspects: perceived effects, domain differences, and user attributes. We create a dataset using a large language model to generate fictional items and explanations with various tones in the domain of movies, hotels, and home products. Collected data analysis reveals different perceived effects of tones depending on the domains. Moreover, user attributes such as age and personality traits are found to influence the impact of tone. This research underscores the critical role of tones in explanations within recommender systems, suggesting that attention to tone can enhance user experience.
• Abstract（参考訳）: 推薦システムでは、ユーザの意思決定プロセスを支援する上で、説明の提示が重要な役割を果たす。 多くの既存研究では、説明内容の効果(透明性や説得力)に焦点が当てられているが、説明表現は概ね見過ごされている。 フォーマルでユーモラスなトーンは表現力に直接結びついており、人間のコミュニケーションにおいて重要な要素である。 しかし、レコメンデーションシステムの文脈における説明に対するトーンの影響についての研究は不十分である。 そこで,本研究では,オンラインユーザ調査による説明音の効果について,知覚効果,ドメイン差,ユーザ属性の3つの側面から検討した。 大規模な言語モデルを用いてデータセットを作成し、映画、ホテル、ホームプロダクトの領域における様々なトーンで架空のアイテムや説明を生成する。 収集したデータ分析により、ドメインによって異なる音の知覚効果が明らかになる。 さらに、年齢や性格特性などのユーザ属性がトーンの影響を左右することがわかった。 本研究は,レコメンデーションシステムにおける説明におけるトーンの重要性を浮き彫りにし,トーンへの注意がユーザエクスペリエンスを高めることを示唆している。

関連論文リスト

• Stability of Explainable Recommendation [10.186029242664931]
  既存の特徴指向の説明可能なレコメンデーションの脆弱性について検討する。 我々は、全ての説明可能なモデルが騒音レベルの増加に弱いことを観察する。 本研究は,レコメンデーションシステムにおけるロバストな説明の話題について,実証的な検証を行った。
  論文  参考訳（メタデータ） (2024-05-03T04:44:51Z)
• 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)
• Supervised Contrastive Learning for Affect Modelling [2.570570340104555]
  情報に影響を及ぼすことを考慮に入れた訓練表現のための3つの異なる教師付きコントラスト学習手法を導入する。 その結果、コントラスト学習の表現能力と、影響モデルの精度を高めるための効率が示された。
  論文  参考訳（メタデータ） (2022-08-25T17:40:19Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Measuring the Impact of Individual Domain Factors in Self-Supervised Pre-Training [60.825471653739555]
  音素領域因子は事前学習において重要な役割を担っているが,文法的・統語的要因はそれほど重要ではない。 本研究は,音声認識のための自己教師付き事前学習における事前学習セットのドメイン特性をよりよく理解するための最初の研究である。
  論文  参考訳（メタデータ） (2022-03-01T17:40:51Z)
• An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and Separation [57.68765353264689]
  音声強調と音声分離は関連する2つの課題である。 伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。 ディープラーニングは強力なパフォーマンスを達成するために利用されています。
  論文  参考訳（メタデータ） (2020-08-21T17:24:09Z)
• Explainable Recommender Systems via Resolving Learning Representations [57.24565012731325]
  説明はユーザー体験を改善し、システムの欠陥を発見するのに役立つ。 本稿では,表現学習プロセスの透明性を向上させることによって,説明可能な新しい推薦モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-21T05:30:48Z)
• Explaining Black Box Predictions and Unveiling Data Artifacts through Influence Functions [55.660255727031725]
  影響関数は、影響力のあるトレーニング例を特定することによって、モデルの判断を説明する。 本稿では,代表課題における影響関数と共通単語順応法の比較を行う。 我々は,学習データ中の成果物を明らかにすることができる影響関数に基づく新しい尺度を開発した。
  論文  参考訳（メタデータ） (2020-05-14T00:45:23Z)
• Fairness by Learning Orthogonal Disentangled Representations [50.82638766862974]
  不変表現問題に対する新しい非絡み合い手法を提案する。 エントロピーによりセンシティブな情報に依存しない有意義な表現を強制する。 提案手法は5つの公開データセットで評価される。
  論文  参考訳（メタデータ） (2020-03-12T11:09:15Z)

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。