help研究问题推荐系统中的解释、控制与信任
使用ChatGPT生成的推荐解释是否能够在个性化和说服力上超过随机推荐解释？所属方向: AI可解释性、信任与校准依赖
推荐系统中的解释、控制与信任
统计基于当前已索引 question 数据，来源缺失不影响问题展示。
44
问题/痛点
11
来源
2024
最近年份
help研究问题推荐系统中的解释、控制与信任
推荐系统中基于用户偏好的个性化解释与通用解释在用户感知效果上有何差异？help研究问题推荐系统中的解释、控制与信任
对于未知的推荐项目，哪些类型的解释更能提高用户的接受度和信任度？lightbulb现实痛点推荐系统中的解释、控制与信任
用户对推荐系统的推荐内容缺乏信任，不清楚推荐理由。help研究问题推荐系统中的解释、控制与信任
青少年用户对教育推荐系统的信任会因控制推荐内容难度的滑块机制而提高吗？IUI '23Steering Recommendations and Visualising Its Impact: Effects on Adolescents’ Trust in E-Learning Platforms
help研究问题推荐系统中的解释、控制与信任
可视化控制效果的界面是否能够增强青少年对教育推荐系统的透明度和信任？IUI '23Steering Recommendations and Visualising Its Impact: Effects on Adolescents’ Trust in E-Learning Platforms
help研究问题推荐系统中的解释、控制与信任
在教育推荐系统中，如何设计适合青少年的控制和可视化机制以平衡用户调整与系统推荐的效率？IUI '23Steering Recommendations and Visualising Its Impact: Effects on Adolescents’ Trust in E-Learning Platforms
lightbulb现实痛点推荐系统中的解释、控制与信任
青少年在使用学习推荐系统时，难以理解和信任算法推荐的内容。IUI '23Steering Recommendations and Visualising Its Impact: Effects on Adolescents’ Trust in E-Learning Platforms
help研究问题推荐系统中的解释、控制与信任
基于社交媒体数据的健康推荐系统如何影响用户的信任度？help研究问题推荐系统中的解释、控制与信任
用户选择推荐个性化方法的功能能否降低身份威胁并增强用户信任？help研究问题推荐系统中的解释、控制与信任
不同个性化推荐方法在隐私风险和身份威胁上有哪些心理影响差异？lightbulb现实痛点推荐系统中的解释、控制与信任
用户对基于社交媒体数据的健康推荐系统存在信任危机。help研究问题推荐系统中的解释、控制与信任
如何通过结构保留型嵌入提升矩阵分解方法的相似性解释能力，同时保持推荐性能？help研究问题推荐系统中的解释、控制与信任
哪些冻结的PCA主成分因子能够在优化嵌入训练维度时最有效地提高模型的可解释性？help研究问题推荐系统中的解释、控制与信任
结构保留型嵌入是否能显著改善推荐系统的邻域重叠指标，同时与复杂深度学习方法的预测性能相匹配？lightbulb现实痛点推荐系统中的解释、控制与信任
用户不信任推荐结果，因为推荐系统使用的嵌入模型太难解释。help研究问题推荐系统中的解释、控制与信任
如何聚类并总结相关的机器学习驱动的文件推荐以改善云存储中的文件管理？help研究问题推荐系统中的解释、控制与信任
哪种推荐摘要呈现方式（如文件列表、规则文本、规则树等）能提升用户对推荐系统的信任和操作效率？help研究问题推荐系统中的解释、控制与信任
基于规则的推荐摘要算法如何平衡生成效率与推荐理解度之间的关系？lightbulb现实痛点推荐系统中的解释、控制与信任
用户在云存储管理文件时，逐条处理推荐文件操作负担重。help研究问题推荐系统中的解释、控制与信任
内容过滤、协同过滤和人口统计过滤的推荐系统对用户信任的影响有什么不同？help研究问题推荐系统中的解释、控制与信任
在冷启动问题下，不同推荐方法如何影响用户对系统的信任程度？help研究问题推荐系统中的解释、控制与信任
用户如何归因推荐成功或失败，这些归因对系统信任有什么影响？lightbulb现实痛点推荐系统中的解释、控制与信任
用户对推荐系统的信任度不足，尤其在冷启动阶段。help研究问题推荐系统中的解释、控制与信任
用户的个人特征（如性格特质、信任倾向、领域知识）如何影响与会话推荐系统（CRS）的信任关系？help研究问题推荐系统中的解释、控制与信任
不同的系统交互策略（用户主导与混合主导）对用户信任的影响有何差异？help研究问题推荐系统中的解释、控制与信任
任务复杂度如何调节用户特征与系统信任之间的关系？lightbulb现实痛点推荐系统中的解释、控制与信任
用户对会话推荐系统的信任不足导致使用率低。help研究问题推荐系统中的解释、控制与信任
如何在快速增长的科学文献中，帮助研究者高效筛选和发现相关文献？help研究问题推荐系统中的解释、控制与信任
如何通过隐式社交网络（例如作者关系和引用网络）增强科学推荐系统的解释性和用户信任？help研究问题推荐系统中的解释、控制与信任
间接作者关系消息能否提高推荐系统的覆盖率，同时提升用户对推荐内容的接受度？lightbulb现实痛点推荐系统中的解释、控制与信任
研究者难以快速筛选出有价值的科学文献，且推荐系统缺乏解释性。help研究问题推荐系统中的解释、控制与信任
基于评论的推荐系统中，如何设计对话式的解释方法，以支持用户表达自然语言的解释需求？CUI '21Conversational Review-Based Explanations for Recommender Systems: Exploring Users’ Query Behavior
help研究问题推荐系统中的解释、控制与信任
用户在对话式推荐解释场景中会提出哪些典型问题？CUI '21Conversational Review-Based Explanations for Recommender Systems: Exploring Users’ Query Behavior
help研究问题推荐系统中的解释、控制与信任
对话式基于评论的推荐解释能否提高用户对系统透明度、有效性和信任的感知？CUI '21Conversational Review-Based Explanations for Recommender Systems: Exploring Users’ Query Behavior
lightbulb现实痛点推荐系统中的解释、控制与信任
用户难以通过静态评论解释理解推荐结果，互动性不足。CUI '21Conversational Review-Based Explanations for Recommender Systems: Exploring Users’ Query Behavior
help研究问题推荐系统中的解释、控制与信任
用户是否更信任人类生成的可视化推荐，还是算法生成的推荐？help研究问题推荐系统中的解释、控制与信任
推荐源的标签是否会影响用户对可视化推荐质量的评价？help研究问题推荐系统中的解释、控制与信任
哪些行为模式影响用户在选择可视化推荐时的决策？lightbulb现实痛点推荐系统中的解释、控制与信任
非专家用户难以判断算法推荐的可视化是否可靠。help研究问题推荐系统中的解释、控制与信任
用户在选择AI系统时，温暖（友善、可信）和能力（性能、准确性）维度如何影响其决策？help研究问题推荐系统中的解释、控制与信任
当AI系统的温暖和能力呈现冲突（如高温暖/低能力），用户会选择哪一类系统？help研究问题推荐系统中的解释、控制与信任
不同应用领域的温暖和能力优先级是否存在差异？lightbulb现实痛点推荐系统中的解释、控制与信任
用户在挑选AI推荐系统时，难以平衡系统性能与友好形象的需求相关论文
IUI 2024
利用ChatGPT实现推荐系统中以人为中心的自动解释
Ítallo Silva, Leandro Marinho, Alan Said
CHI 2023
当推荐系统窥探社交媒体时，用户对它们的健康建议的信任度降低
Yuan Sun, Magdalayna Drivas, Mengqi Liao
IUI 2022
基于相似性的解释与结构保持嵌入的矩阵分解方法
Leandro Balby Marinho, Júlio Guedes, Denis Parra
UIST 2022
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
Will Brackenbury, Kyle Chard, Aaron Elmore
CHI 2022
用户对推荐系统的信任：基于内容、协同和人口统计过滤的比较
Mengqi Liao, S. Shyam Sundar, Joseph B. Walther
CHI 2022
个人特征对对话推荐系统中用户信任的影响
Wanling Cai, Yucheng Jin, Li Chen
CHI 2022
从你认识的人到你读过的内容：利用隐式社交网络增强科学推荐
Hyeonsu B Kang, Rafal Kocielnik, Andrew Head
CHI 2021
来自机器的视觉：人类与算法生成的可视化推荐中的信任分析
Rachael Zehrung, Astha Singhal, Michael Correll
CHI 2021
温暖和能力感知对用户选择AI系统的影响
Zohar Gilad, Ofra Amir, Liat Levontin