推荐系统语言解释的真实性与连贯性
信息检索
2022-09-13 v1 人工智能
计算与语言
摘要
评论包含关于产品特征和用户兴趣的丰富信息，因此常被用于提升推荐系统的性能。具体而言，先前的研究表明，联合学习生成评论能够改善评分预测性能。同时，这些模型生成的评论作为推荐解释，为用户提供了关于预测评分的见解。然而，尽管现有模型能够生成流畅、类人的评论，但这些评论在多大程度上完整揭示了联合预测评分背后的原理仍不清楚。在本工作中，我们进行了一系列评估，探查最先进模型及其评论生成组件。我们表明，生成的解释是脆弱的，在被当作估计评分的字面依据之前，需要进一步评估。
引用
@article{arxiv.2209.05409,
title = {On Faithfulness and Coherence of Language Explanations for Recommendation Systems},
author = {Zhouhang Xie and Julian McAuley and Bodhisattwa Prasad Majumder},
journal= {arXiv preprint arXiv:2209.05409},
year = {2022}
}