Editable User Profiles for Controllable Text Recommendation

要約

高品質の推奨を行う方法は、多くの場合、インタラクション データからの潜在的な表現の学習に依存します。
これらのメソッドはパフォーマンスは高くても、ユーザーが受け取る推奨事項を制御するためのメカニズムを備えていません。
私たちの研究では、制御可能なテキスト推奨のための新しい概念の価値ボトルネック モデルである LACE を提案することで、この問題に取り組んでいます。
LACE は、ユーザーが操作したドキュメントを検索することで、人間が判読できる一連の簡潔な概念で各ユーザーを表し、ユーザー ドキュメントに基づいて概念のパーソナライズされた表現を学習します。
この概念ベースのユーザー プロファイルは、推奨事項を作成するために活用されます。
私たちのモデルの設計では、透明なユーザー プロファイルとの数多くの直感的な対話を通じて推奨事項を制御できます。
まず、ウォーム スタート、コールド スタート、ゼロ ショット セットアップの 6 つのデータセットにわたる 3 つのレコメンデーション タスクに対するオフライン評価で、LACE から得られるレコメンデーションの品質を確立します。
次に、シミュレートされたユーザー インタラクションの下で LACE の制御性を検証します。
最後に、インタラクティブな制御可能なレコメンダー システムに LACE を実装し、ユーザー調査を実施して、ユーザーが編集可能なユーザー プロファイルとの対話を通じて受け取るレコメンデーションの品質を向上できることを実証します。

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, Google