論文の概要: Display Content, Display Methods and Evaluation Methods of the HCI in Explainable Recommender Systems: A Survey

• arxiv url: http://arxiv.org/abs/2505.09065v1
• Date: Wed, 14 May 2025 01:48:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.344724
• Title: Display Content, Display Methods and Evaluation Methods of the HCI in Explainable Recommender Systems: A Survey
• Title（参考訳）: 説明可能なレコメンダシステムにおけるHCIの表示内容・表示方法・評価方法
• Authors: Weiqing Li, Yue Xu, Yuefeng Li, Yinghui Huang,
• Abstract要約: 説明可能なレコメンダシステム(XRS)は,これらのシステムによって生成されるレコメンデーションに対する理解可能な理由をユーザに提供することを目的としている。 近年,XRSのアルゴリズム,表示,評価手法に注目が集まっている。 本研究では,XRSに関する既存の文献と調査を合成し,その研究・開発のための統一的な枠組みを提示する。
• 参考スコア（独自算出の注目度）: 15.083183325446
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explainable Recommender Systems (XRS) aim to provide users with understandable reasons for the recommendations generated by these systems, representing a crucial research direction in artificial intelligence (AI). Recent research has increasingly focused on the algorithms, display, and evaluation methodologies of XRS. While current research and reviews primarily emphasize the algorithmic aspects, with fewer studies addressing the Human-Computer Interaction (HCI) layer of XRS. Additionally, existing reviews lack a unified taxonomy for XRS and there is insufficient attention given to the emerging area of short video recommendations. In this study, we synthesize existing literature and surveys on XRS, presenting a unified framework for its research and development. The main contributions are as follows: 1) We adopt a lifecycle perspective to systematically summarize the technologies and methods used in XRS, addressing challenges posed by the diversity and complexity of algorithmic models and explanation techniques. 2) For the first time, we highlight the application of multimedia, particularly video-based explanations, along with its potential, technical pathways, and challenges in XRS. 3) We provide a structured overview of evaluation methods from both qualitative and quantitative dimensions. These findings provide valuable insights for the systematic design, progress, and testing of XRS.
• Abstract（参考訳）: XRS(Explainable Recommender Systems)は、人工知能(AI)における重要な研究方向を表す、これらのシステムによって生成されたレコメンデーションに対する理解可能な理由をユーザに提供することを目的としている。 近年,XRSのアルゴリズム,表示,評価手法に注目が集まっている。 現在の研究とレビューは主にアルゴリズム的な側面を強調しているが、XRSのHuman-Computer Interaction (HCI)層に対処する研究は少ない。 さらに、既存のレビューではXRSの統一分類が欠如しており、ショートビデオレコメンデーションの分野にはあまり注目されていない。 本研究では,XRSに関する既存の文献と調査を合成し,その研究・開発のための統一的な枠組みを提示する。 主な貢献は以下の通りである。 1)XRSで使用される技術や手法を体系的に要約するためにライフサイクル・パースペクティブを採用し,アルゴリズムモデルや説明手法の多様性や複雑さによる課題に対処する。 2)XRSにおけるマルチメディア,特にビデオに基づく説明の応用と,その可能性,技術的経路,課題を初めて強調する。 3) 定性的次元と定量的次元の両方から評価手法を概観する。 これらの発見は、XRSの体系的設計、進歩、およびテストのための貴重な洞察を提供する。

関連論文リスト

• A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond [0.37865171120254354]
  ハッシュタグは、基本的な分類メカニズムとして、コンテンツの可視性とユーザエンゲージメントを高める上で重要な役割を果たす。 正確で堅牢なハッシュタグレコメンデーションシステムの開発は、依然として複雑で進化中の研究課題である。 本稿では,ハッシュタグレコメンデーションシステムの体系的解析を行い,近年のいくつかの側面にわたる進歩について検討する。
  論文  参考訳（メタデータ） (2025-03-24T13:40:36Z)
• Graph Foundation Models for Recommendation: A Comprehensive Survey [55.70529188101446]
  大規模言語モデル(LLM)は自然言語を処理し、理解するために設計されており、どちらも非常に効果的で広く採用されている。 最近の研究はグラフ基礎モデル(GFM)に焦点を当てている。 GFM は GNN と LLM の強みを統合し,複雑な RS 問題をより効率的にモデル化する。
  論文  参考訳（メタデータ） (2025-02-12T12:13:51Z)
• Gradient based Feature Attribution in Explainable AI: A Technical Review [13.848675695545909]
  ブラックボックスAIモデルの急増は、内部メカニズムを説明し、信頼性を正当化する必要性を喚起している。 勾配に基づく説明は、ニューラルネットワークモデルに直接適用することができる。 アルゴリズムの性能を測定するために,人的評価と定量的評価の両方を導入する。
  論文  参考訳（メタデータ） (2024-03-15T15:49:31Z)
• Embedding in Recommender Systems: A Survey [67.67966158305603]
  重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。 埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。 この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• Agnostic Visual Recommendation Systems: Open Challenges and Future Directions [4.922572106422333]
  ビジュアライゼーション・レコメンデーション・システム(VRS)は、データから洞察に富んだ可視化を作成することを目的とした、新しくて挑戦的な研究分野である。 人間が提供する制約やルールに頼らず、自律的にタスクを学習しようとするため、私たちはVRSを"認識的"と表現します。 本稿では,VRSに関する文献を要約し,今後の研究の方向性について概説する。
  論文  参考訳（メタデータ） (2023-02-01T16:44:39Z)

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。