可解释推荐系统的 human-computer interaction: 显示内容、显示方法与评估方法综述
人机交互
2025-05-15 v1 信息检索
摘要
可解释推荐系统（Explainable Recommender Systems, XRS）旨在为用户提供对所生成推荐的可理解原因，作为人工智能（AI）中的重要研究方向。近期研究日益关注 XRS 的算法、显示方式及评估方法。虽然现有研究与综述主要强调算法层面，但针对 XRS 人机交互（Human-Computer Interaction, HCI）层面的研究相对不足。此外，现有综述缺乏统一的 XRS 分类框架，也未充分关注短视频推荐这一新兴领域。本文综合了关于 XRS 的现有文献与调查研究，提出了统一的研究框架。主要贡献包括：1）从生命周期视角系统性地总结 XRS 中使用的技术与方法，解决算法模型与解释技术多样性与复杂性带来的挑战；2）首次突出显示多媒体，特别是基于视频的解释，及其潜力、技术路径与挑战；3）从定性与定量维度提供结构化的评估方法概述。这些发现为 XRS 的系统化设计、进展与测试提供了宝贵参考。
引用
@article{arxiv.2505.09065,
title = {Display Content, Display Methods and Evaluation Methods of the HCI in Explainable Recommender Systems: A Survey},
author = {Weiqing Li and Yue Xu and Yuefeng Li and Yinghui Huang},
journal= {arXiv preprint arXiv:2505.09065},
year = {2025}
}
备注
2 Tables, 29 figures