論文の概要: Less is More: Towards Sustainability-Aware Persuasive Explanations in Recommender Systems

• arxiv url: http://arxiv.org/abs/2409.18690v1
• Date: Fri, 27 Sep 2024 12:24:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 14:58:05.431510
• Title: Less is More: Towards Sustainability-Aware Persuasive Explanations in Recommender Systems
• Title（参考訳）: より少ないもの:サステナビリティを意識したレコメンダシステムにおける説得的説明に向けて
• Authors: Thi Ngoc Trang Tran, Seda Polat Erdeniz, Alexander Felfernig, Sebastian Lubos, Merfat El-Mansi, Viet-Man Le,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 42.296965577732045
• License:
• Abstract: Recommender systems play an important role in supporting the achievement of the United Nations sustainable development goals (SDGs). In recommender systems, explanations can support different goals, such as increasing a user's trust in a recommendation, persuading a user to purchase specific items, or increasing the understanding of the reasons behind a recommendation. In this paper, we discuss the concept of "sustainability-aware persuasive explanations" which we regard as a major concept to support the achievement of the mentioned SDGs. Such explanations are orthogonal to most existing explanation approaches since they focus on a "less is more" principle, which per se is not included in existing e-commerce platforms. Based on a user study in three item domains, we analyze the potential impacts of sustainability-aware persuasive explanations. The study results are promising regarding user acceptance and the potential impacts of such explanations.
• Abstract（参考訳）: 勧告システムは、国連の持続可能な開発目標(SDG)の達成を支援する上で重要な役割を果たしている。 レコメンデーションシステムでは、ユーザのレコメンデーションに対する信頼感の向上、特定のアイテムの購入を促すこと、レコメンデーションの背後にある理由の理解を高めることなど、さまざまな目的をサポートすることができる。 本稿では,SDGの達成を支援する主要な概念である「持続可能性を考慮した説得的説明」の概念について論じる。 このような説明は、既存のeコマースプラットフォームには含まれない"less is more"原則に焦点を当てているため、既存のほとんどの説明アプローチと直交する。 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。 研究結果は、ユーザ受け入れと、そのような説明の潜在的影響について有望である。

関連論文リスト

• Beyond Persuasion: Towards Conversational Recommender System with Credible Explanations [63.05026345443155]
  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。
  論文  参考訳（メタデータ） (2024-09-22T11:35:59Z)
• 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)
• A Survey on Fairness-aware Recommender Systems [59.23208133653637]
  本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。 次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-01T07:08:22Z)
• Visualization for Recommendation Explainability: A Survey and New Perspectives [0.0]
  本研究では,4次元のレコメンデータシステムにおける説明に関する文献を体系的にレビューする。 我々は,レコメンデーションシステムにおいて,説明的視覚化を設計するための一連のガイドラインを導出する。 本研究の目的は、視覚的に説明可能なレコメンデーション研究の可能性について、研究者や実践者がより深く理解することである。
  論文  参考訳（メタデータ） (2023-05-19T15:42:00Z)
• 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)
• 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)
• Measuring "Why" in Recommender Systems: a Comprehensive Survey on the Evaluation of Explainable Recommendation [87.82664566721917]
  この調査は、IJCAI、AAAI、TheWebConf、Recsys、UMAP、IUIといったトップレベルのカンファレンスから100以上の論文に基づいています。
  論文  参考訳（メタデータ） (2022-02-14T02:58:55Z)
• 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)

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。