面向食物推荐解释的语义建模

随着人工智能方法在健康领域尤其是膳食推荐空间中提供推荐的使用增加，对这些推荐的可解释性需求也随之增长。此类解释将通过为遵循系统建议提供理由，使推荐系统的用户受益。我们提出食物解释本体（Food Explanation Ontology, FEO），为向用户建模食物相关推荐的解释提供形式化方法。FEO 利用解释领域的概念对食物推荐进行建模，以针对用户从人工智能系统（如个性化知识库问答系统）接收到的食物推荐生成回应。FEO 采用模块化、可扩展的结构，能够支持多种解释，同时保留重要的语义细节以准确表示食物推荐的解释。为评估该系统，我们使用了一组源自文献中且与食物推荐相关的解释类型的胜任力问题。我们使用 FEO 的动机是通过以解释的形式提供推荐背后的推理，使用户在充分了解与其问题相关的人工智能推荐系统的前提下，能够就自身健康做出决策。