利用ChatGPT实现推荐系统中以人为中心的自动解释

推荐系统在各个领域的应用越来越普及，但人们对其缺乏透明性和可解释性表示担忧。尽管在创建可解释推荐系统方面已取得重大进展，但仍缺乏能够提供有意义的、以人为中心的上下文解释的自动化方法。许多研究人员通过评估基于人工生成的推荐和解释来解决这一差距，但这种方法无法在现实系统中扩展。基于利用大型语言模型进行推荐系统的最新研究，我们提出利用ChatGPT的对话能力为用户提供个性化的、类人的、有意义的推荐解释。本文介绍了首批用户研究之一，测量用户对ChatGPT作为推荐系统时生成解释的看法。在推荐方面，我们评估用户是否更喜欢ChatGPT而非随机（但热门）的推荐。在解释方面，我们评估用户对个性化、效果和说服力的看法。研究结果表明，用户倾向于更喜欢ChatGPT生成的推荐而非热门推荐。此外，对于不熟悉的推荐项目，个性化解释比通用解释更有效。