交互式混合社交推荐系统中推荐的可解释性研究
可解释人工智能(XAI)推荐系统用户体验软件工程师与开发者UI/UX 设计师数据科学家与分析师
混合社交推荐系统利用多个来源的社交相关性向用户推荐相关项目或人。为了使混合推荐更加透明和可控,几位研究人员探索了交互式混合推荐界面,允许用户驱动地融合推荐来源。在这一领域,智能用户界面已被研究作为提高透明度和改善用户体验的方法。本文尝试通过为交互式混合推荐界面添加多种类型的解释来进一步促进推荐的透明度。我们通过受试者内研究(N=33)评估了用户行为模式和主观反馈。评估结果表明所提出的解释模型的有效性。治疗后调查结果显示解释可理解性感知有显著改善,但这种改善伴随着可控性感知的下降。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
解释与否: 个人特征对音乐推荐解释效果的影响
IUI '19· 可解释人工智能(XAI) +1
- 83%
总结机器学习驱动的文件管理推荐集合以改进云存储中的文件管理
UIST '22· 可解释人工智能(XAI) +2
- 67%
改进模型不可知的可解释人工智能工具中的特征贡献的可理解性
CHI '22· 可解释人工智能(XAI) +1
- 67%
Orbit:多目标排序器设计与评估框架
IUI '25· 可解释人工智能(XAI) +1
- 67%
MIWA:用于增强用户控制与信心的混合式Web自动化
UIST '23· 可解释人工智能(XAI) +1
- 60%
评估Reddit上叙事驱动的电影推荐
IUI '19· 推荐系统用户体验
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
可解释人工智能(XAI)、推荐系统用户体验
work
职业/产业
软件工程师与开发者、UI/UX 设计师、数据科学家与分析师
article
内容状态
仅摘要
hub
相关论文
6 篇相关论文