論文の概要: Beyond Persuasion: Towards Conversational Recommender System with Credible Explanations
- arxiv url: http://arxiv.org/abs/2409.14399v2
- Date: Mon, 7 Oct 2024 07:49:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 22:52:52.932689
- Title: Beyond Persuasion: Towards Conversational Recommender System with Credible Explanations
- Title（参考訳）: 説得を超えて:クレディブルな説明を伴う会話レコメンダシステムを目指して
- Authors: Peixin Qin, Chen Huang, Yang Deng, Wenqiang Lei, Tat-Seng Chua,
- Abstract要約: そこで我々は,PC-CRSと呼ばれるシンプルな手法を提案し,CRSの説得における説明の信頼性を高める。
実験により,PC-CRSの説得的・信頼性的説明を促進する効果が示された。
さらなる分析では、現在の手法が素晴らしい説明を生み出している理由と、推薦精度を向上させるための信頼できる説明の可能性を明らかにしている。
- 参考スコア（独自算出の注目度）: 63.05026345443155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the aid of large language models, current conversational recommender system (CRS) has gaining strong abilities to persuade users to accept recommended items. While these CRSs are highly persuasive, they can mislead users by incorporating incredible information in their explanations, ultimately damaging the long-term trust between users and the CRS. To address this, we propose a simple yet effective method, called PC-CRS, to enhance the credibility of CRS's explanations during persuasion. It guides the explanation generation through our proposed credibility-aware persuasive strategies and then gradually refines explanations via post-hoc self-reflection. Experimental results demonstrate the efficacy of PC-CRS in promoting persuasive and credible explanations. Further analysis reveals the reason behind current methods producing incredible explanations and the potential of credible explanations to improve recommendation accuracy.
- Abstract（参考訳）: 大規模言語モデルの助けを借りて、現在の会話レコメンデーションシステム(CRS)は、ユーザに推奨項目の受け入れを説得する強力な能力を獲得している。
これらのCRSは非常に説得力があるが、その説明に信じられない情報を組み込むことで、ユーザーとCRSの長期的な信頼を損なうことができる。
そこで本研究では,PC-CRS(PC-CRS)と呼ばれるシンプルな手法を提案する。
提案した信頼性に配慮した説得戦略を通じて説明生成を導くとともに,ポストホック自己回帰を通じて説明を徐々に洗練する。
実験結果から,PC-CRSの説得的・信頼性的説明を促進する効果が示された。
さらなる分析では、現在の手法が素晴らしい説明を生み出している理由と、推薦精度を向上させるための信頼できる説明の可能性を明らかにしている。
関連論文リスト
- Less is More: Towards Sustainability-Aware Persuasive Explanations in Recommender Systems [42.296965577732045]
持続可能性を考慮した説得的説明」の概念について議論する。
3つの項目領域におけるユーザスタディに基づいて、持続可能性を考慮した説得的説明の潜在的影響を分析する。
論文 参考訳（メタデータ） (2024-09-27T12:24:10Z) - 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) - User-Controllable Recommendation via Counterfactual Retrospective and
Prospective Explanations [96.45414741693119]
本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。
反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
論文 参考訳（メタデータ） (2023-08-02T01:13:36Z) - Rethinking the Evaluation for Conversational Recommendation in the Era
of Large Language Models [115.7508325840751]
近年の大規模言語モデル(LLM)の成功は、より強力な対話レコメンデーションシステム(CRS)を開発する大きな可能性を示している。
本稿では,ChatGPTの会話レコメンデーションへの活用について検討し,既存の評価プロトコルが不十分であることを明らかにする。
LLMをベースとしたユーザシミュレータを用いた対話型評価手法iEvaLMを提案する。
論文 参考訳（メタデータ） (2023-05-22T15:12:43Z) - EGCR: Explanation Generation for Conversational Recommendation [7.496434082286226]
対話エージェントがなぜ行動を起こすのかを説明するための説明文を生成することに基づく会話推薦のための説明生成(EGCR)。
EGCRはユーザレビューを取り入れて項目表現を強化し、会話全体の情報性を高める。
EGCRを1つのベンチマークの会話推薦データセット上で評価し、他の最先端技術モデルと比較して、推奨精度と会話品質の両方で優れた性能を実現する。
論文 参考訳（メタデータ） (2022-08-17T02:30:41Z) - Reinforced Path Reasoning for Counterfactual Explainable Recommendation [10.36395995374108]
本稿では,項目属性に基づく反現実的説明を生成するために,CERec を新たに提案する。
我々は、与えられた知識グラフのリッチなコンテキスト情報を用いて、適応経路サンプリング器を用いて巨大な探索空間を縮小する。
論文 参考訳（メタデータ） (2022-07-14T05:59:58Z) - Persua: A Visual Interactive System to Enhance the Persuasiveness of
Arguments in Online Discussion [52.49981085431061]
説得力のある議論を書く能力を高めることは、オンラインコミュニケーションの有効性と文明性に寄与する。
オンライン議論における議論の説得力向上を支援するツールの設計目標を4つ導き出した。
Persuaは対話型ビジュアルシステムであり、議論の説得力を高めるための説得戦略の例に基づくガイダンスを提供する。
論文 参考訳（メタデータ） (2022-04-16T08:07:53Z) - Explainability in Music Recommender Systems [69.0506502017444]
音楽レコメンダシステム(MRS)の文脈における説明可能性について論じる。
MRSは非常に複雑で、推奨精度に最適化されることが多い。
本稿では、MSSに説明可能性コンポーネントを組み込む方法と、どのようなフォーム説明を提供するかを示す。
論文 参考訳（メタデータ） (2022-01-25T18:32:11Z) - KECRS: Towards Knowledge-Enriched Conversational Recommendation System [50.0292306485452]
chit-chatベースの会話レコメンデーションシステム(crs)は、自然言語インタラクションを通じてユーザーにアイテムレコメンデーションを提供する。
外部知識グラフ(KG)がChit-chatベースのCRSに導入されている。
KECRS(Knowledge-Enriched Conversational Recommendation System)の提案
大規模データセットの実験結果は、KECRSが最先端のキトチャットベースのCRSを上回っていることを示しています。
論文 参考訳（メタデータ） (2021-05-18T03:52:06Z) - Why should I not follow you? Reasons For and Reasons Against in
Responsible Recommender Systems [0.0]
我々は、RSは、両方の理由をユーザーに率直に提示することで、全体的な信頼と透明性を高めることができると論じる。
我々は、知識グラフを利用して、スネーデガーの実践的推論理論を適用して、そのようなRSを開発した。
論文 参考訳（メタデータ） (2020-09-03T23:16:04Z)
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。