推荐系统自然语言解释中的连贯性问题

从非专家用户的角度来看，为推荐提供自然语言解释特别有用。尽管最近已提出几种提供此类解释的方法，但我们认为在其实验评估中忽略了解释质量的一个重要方面。具体而言，生成文本与预测评分之间的连贯性是解释有用的必要条件，但当前使用的评估指标未能恰当捕捉这一点。在本文中，我们通过以下方式强调了解释与预测连贯性的问题：1) 展示了对最先进方法之一生成的解释进行人工验证的结果；2) 提出了一种自动连贯性评估方法；3) 引入了一种新的基于 Transformer 的方法，旨在产生比最先进方法更连贯的解释；4) 进行了实验评估，证明该方法在不影响推荐性能其他方面的情况下显著提高了解释的连贯性。