Editable User Profiles for Controllable Text Recommendation

要約

タイトル：編集可能なユーザープロファイルによる制御可能なテキスト推薦

要約：

– 高品質の推薦をするためには、相互作用データから潜在表現を学習することが必要である。
– これらの方法はパフォーマンスが高いが、ユーザーが受信する推薦を制御するための機構を提供していない。
– LACEという新しいコンセプト価値ボトルネックモデルを提案して、制御可能なテキスト推薦を実現する。
– LACEは、ユーザーが相互作用したドキュメントを照会し、各ユーザーを簡潔な人間が読めるコンセプトのセットで表現する。
– このコンセプトを基にしたユーザープロファイルを活용して推薦を行う。
– LACEのモデル設計は、透明なユーザープロファイルによる直感的な相互作用によって、推薦を制御できる。
– LACEから得られる推薦の品質を、ウォームスタート、コールドスタート、ゼロショットのセットアップを含む3つの推薦タスク、6つのデータセットでのオフライン評価で確認した。
– 次に、LACEの制御可能性をシミュレートされたユーザー相互作用によって検証した。
– 最後に、LACEをインタラクティブな制御可能な推薦システムに実装し、ユーザースタディを実施して、編集可能なユーザープロファイルとの相互作用によって、受け取った推薦の品質を改善できることを示した。

要約(オリジナル)

Methods for making high-quality recommendations often rely on learning latent representations from interaction data. These methods, while performant, do not provide ready mechanisms for users to control the recommendation they receive. Our work tackles this problem by proposing LACE, a novel concept value bottleneck model for controllable text recommendations. LACE represents each user with a succinct set of human-readable concepts through retrieval given user-interacted documents and learns personalized representations of the concepts based on user documents. This concept based user profile is then leveraged to make recommendations. The design of our model affords control over the recommendations through a number of intuitive interactions with a transparent user profile. We first establish the quality of recommendations obtained from LACE in an offline evaluation on three recommendation tasks spanning six datasets in warm-start, cold-start, and zero-shot setups. Next, we validate the controllability of LACE under simulated user interactions. Finally, we implement LACE in an interactive controllable recommender system and conduct a user study to demonstrate that users are able to improve the quality of recommendations they receive through interactions with an editable user profile.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI