度量推荐系统中的“为什么”：可解释推荐评估的综合综述
信息检索
2022-02-15 v1 人工智能
摘要
可解释推荐在提升推荐说服力、用户满意度和系统透明度等方面已显示出巨大优势。可解释推荐的一个基本问题是如何评估解释。过去几年中提出了多种评估策略。然而它们分散于不同论文中，且缺乏它们之间的系统细致比较。为弥补这一缺口，本文全面回顾已有工作，并根据评估视角和评估方法为它们提供不同的分类法。除总结已有工作外，我们还分析了现有评估方法的（不）足之处并提供了一系列关于如何选用它们的指南。本综述内容基于来自 IJCAI、AAAI、TheWebConf、Recsys、UMAP 和 IUI 等顶级会议的 100 余篇论文，其完整总结见于 https://shimo.im/sheets/VKrpYTcwVH6KXgdy/MODOC/。通过本综述，我们最终旨在提供关于可解释推荐评估的清晰且全面的回顾。
引用
@article{arxiv.2202.06466,
title = {Measuring "Why" in Recommender Systems: a Comprehensive Survey on the Evaluation of Explainable Recommendation},
author = {Xu Chen and Yongfeng Zhang and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2202.06466},
year = {2022}
}
备注
9 pages, 2 tables, submitted to IJCAI 2022 Survey Track