混合推荐系统的个性化解释

推荐系统在网络上已普遍存在，影响用户获取信息的方式和决策。随着这些系统变得越来越复杂，透明度需求也在增长。本文研究为结合多种数据源的混合推荐系统生成和可视化个性化解释的问题。我们基于混合概率图模型开发了生成实时推荐及个性化解释的方法。为研究解释对混合推荐系统的益处，我们进行了众包用户研究，为last.fm音乐平台的真实用户生成个性化推荐和解释。实验包括：1）不同解释风格（如基于用户、基于项目）；2）操纵展示的解释风格数量；3）操纵呈现格式（如文本与视觉）。我们应用混合模型统计分析，将用户人格特质作为控制变量，证明了我们的方法在创建具有不同风格、数量和格式的个性化混合解释方面的实用性。