Combining Embedding-Based and Semantic-Based Models for Post-hoc Explanations in Recommender Systems

要約

今日のデータが豊富な環境では、レコメンダー システムは意思決定支援システムにおいて重要な役割を果たしています。
これらは、ユーザーにパーソナライズされた推奨事項と、これらの推奨事項に関する説明を提供します。
埋め込みベースのモデルは、広く使用されているにもかかわらず、解釈可能性の欠如に悩まされることが多く、信頼とユーザー エンゲージメントを損なう可能性があります。
この論文では、埋め込みベースのモデルとセマンティックベースのモデルを組み合わせて、オントロジーベースのナレッジグラフを活用して解釈可能性と説明可能性を向上させ、レコメンダーシステムで事後説明を生成するアプローチを紹介します。
オントロジーは、構造化されたフレームワーク内でデータを整理することにより、説明を生成するために不可欠なエンティティ間の複雑な関係のモデリングを可能にします。
私たちが定義したフレームワークは、レコメンダー システムのポストホック説明に埋め込みベースのモデルとセマンティック ベースのモデルを組み合わせることで、有意義でわかりやすい説明を生成し、ユーザーの信頼と満足度を高め、潜在的にあらゆる分野でレコメンダー システムの導入を促進することを目的としています。
電子商取引分野。

要約(オリジナル)

In today’s data-rich environment, recommender systems play a crucial role in decision support systems. They provide to users personalized recommendations and explanations about these recommendations. Embedding-based models, despite their widespread use, often suffer from a lack of interpretability, which can undermine trust and user engagement. This paper presents an approach that combines embedding-based and semantic-based models to generate post-hoc explanations in recommender systems, leveraging ontology-based knowledge graphs to improve interpretability and explainability. By organizing data within a structured framework, ontologies enable the modeling of intricate relationships between entities, which is essential for generating explanations. By combining embedding-based and semantic based models for post-hoc explanations in recommender systems, the framework we defined aims at producing meaningful and easy-to-understand explanations, enhancing user trust and satisfaction, and potentially promoting the adoption of recommender systems across the e-commerce sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google