論文の概要: Path-based summary explanations for graph recommenders -- extended version

• arxiv url: http://arxiv.org/abs/2410.22020v1
• Date: Tue, 29 Oct 2024 13:10:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:40:50.194683
• Title: Path-based summary explanations for graph recommenders -- extended version
• Title（参考訳）: グラフレコメンデータのためのパスベースの概要説明 -- 拡張バージョン
• Authors: Danae Pla Karidi, Evaggelia Pitoura,
• Abstract要約: そこで本稿では,ユーザやユーザグループに対して,項目レコメンデーションのセットを受信した理由を説明する要約説明を提案する。 また,効率的なグラフアルゴリズムを用いて説明を要約する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 2.2789818122188925
• License:
• Abstract: Path-based explanations provide intrinsic insights into graph-based recommendation models. However, most previous work has focused on explaining an individual recommendation of an item to a user. In this paper, we propose summary explanations, i.e., explanations that highlight why a user or a group of users receive a set of item recommendations and why an item, or a group of items, is recommended to a set of users as an effective means to provide insights into the collective behavior of the recommender. We also present a novel method to summarize explanations using efficient graph algorithms, specifically the Steiner Tree and the Prize-Collecting Steiner Tree. Our approach reduces the size and complexity of summary explanations while preserving essential information, making explanations more comprehensible for users and more useful to model developers. Evaluations across multiple metrics demonstrate that our summaries outperform baseline explanation methods in most scenarios, in a variety of quality aspects.
• Abstract（参考訳）: パスに基づく説明は、グラフベースのレコメンデーションモデルに固有の洞察を与える。 しかし、これまでのほとんどの研究は、アイテムの個々のレコメンデーションをユーザに説明することに重点を置いてきた。 本稿では,ユーザやユーザ集団が商品レコメンデーションのセットを受信した理由と,項目群や項目群が,推奨者の集団行動に関する洞察を提供する効果的な手段として,ユーザのセットに推奨された理由を説明する要約説明を提案する。 また,効率的なグラフアルゴリズム,特にSteiner Tree と Prize-Collecting Steiner Tree を用いて,説明を要約する新しい手法を提案する。 提案手法は, 要約説明のサイズと複雑さを低減し, 重要な情報を保存し, ユーザにとって説明をより理解しやすく, モデル開発者にとってより有用なものにする。 複数の指標をまたいだ評価の結果、私たちの要約は、多くのシナリオにおいて、様々な品質面において、ベースラインの説明方法よりも優れています。

関連論文リスト

• 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)
• Explanation Selection Using Unlabeled Data for Chain-of-Thought Prompting [80.9896041501715]
  非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。 本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
  論文  参考訳（メタデータ） (2023-02-09T18:02:34Z)
• 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)
• 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)
• Comparative Explanations of Recommendations [33.89230323979306]
  本稿では,レコメンデータシステムからランキング項目の相対比較を抽出・再定義するアーキテクチャを提案する。 我々はBLEUに基づく新しい説明品質指標を設計し、抽出・精錬部品のエンドツーエンドトレーニングを指導する。
  論文  参考訳（メタデータ） (2021-11-01T02:55:56Z)
• 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)
• Counterfactual Explainable Recommendation [22.590877963169103]
  本稿では、因果推論から反実的推論の洞察を取り入れて説明可能な推薦を行うCountERを提案する。 CountERは、モデル決定に対して単純(低複雑性)で効果的な(高強度)説明を求める。 以上の結果から,我々のモデルは,最先端のレコメンデーションモデルよりも正確かつ効果的に説明できることを示す。
  論文  参考訳（メタデータ） (2021-08-24T06:37:57Z)
• Rating and aspect-based opinion graph embeddings for explainable recommendations [69.9674326582747]
  本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。 次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
  論文  参考訳（メタデータ） (2021-07-07T14:07:07Z)
• Graphing else matters: exploiting aspect opinions and ratings in explainable graph-based recommendations [66.83527496838937]
  本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。 次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。 提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
  論文  参考訳（メタデータ） (2021-07-07T13:57:28Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)
• Hybrid Deep Embedding for Recommendations with Dynamic Aspect-Level Explanations [60.78696727039764]
  アスペクトベースの説明可能なレコメンデーションのためのHybrid Deep Embeddingと呼ばれる新しいモデルを提案する。 HDEの主な考え方は、評価予測のためにユーザとアイテムの動的埋め込みを学ぶことである。 ユーザ/イテムのアスペクトの好みや品質が自動的に学習されるため、HDEは、ユーザや項目のレビューで言及されていないアスペクトの影響を捉えることができる。
  論文  参考訳（メタデータ） (2020-01-18T13:16:32Z)

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。