安东尼奥·拉戈；奥纳州科卡拉斯库；克里斯托斯·贝希利瓦尼迪斯；大卫·拉格纳多；弗朗西丝卡·托尼 交互式建议的论证性解释。 （英语） Zbl 1519.68269号 Artif公司。智力。 296，文章ID 103506，22 p.（2021）. 摘要：对于推荐系统（RS），实际上对于一般人工智能系统来说，一个重大挑战是系统地定义输出解释，使解释和系统本身能够适应人类用户的需求。在本文中，我们提出了一种RS，它托管了大量的解释，这些解释在内容和格式上可以为用户定制，因此能够适应用户的解释要求，同时合理有效（经验证明）。我们的RS构建在图形化的底盘上，允许提取各种各样的论证脚手架论证性解释以获取建议。这些建议是交互式的，因为它们可能会受到用户的质疑，并且它们支持自适应反馈机制，该机制旨在允许RS进行自我改进（理论证明）。最后，我们进行了用户研究，其中我们改变了论证性解释的特征，显示了用户对更多信息的一般偏好，但他们的口味也不同，因此强调了我们对适应性RS的需求。 引用于三文件 MSC公司： 68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等） 关键词：论证；解释；用户交互；推荐系统；用户评估 软件：电影镜头；惊喜；KGAT公司 PDF格式BibTeX公司 XML格式引用 \textit｛A.Rago｝等人，人工制品。智力。296，文章ID 103506，22 p.（2021；Zbl 1519.68269） 全文： 内政部 链接 参考文献： [1] 阿卜杜拉希，B。；Nasraoui，O.，使用可解释性进行约束矩阵分解，（第11届ACM推荐系统会议论文集，RecSys（2017）），79-83 [2] Aggarwal，C.C.，《推荐系统-教科书》（2016），施普林格出版社 [3] Aliannejadi，M。；Zamani，H。；克雷斯塔尼，F。；Croft，W.B.，《在开放领域信息寻求对话中提出澄清问题》（第42届国际ACM SIGIR信息检索研究与开发会议（2019年）会议记录），475-484 [4] Altman，N.S.，《核和最近邻非参数回归简介》，《美国统计》，46，175-185（1992） [5] Amgoud，L。；Ben-Naim，J。；Doder，D。；Vesic，S.，加权论证框架的可接受语义，（第26届国际人工智能联合会议论文集，IJCAI（2017）），56-62 [6] 阿特金森，K。；巴罗尼，P。；Giacomin，M。；亨特，A。；普拉肯，H。；里德，C。；Simari，G.R。；蒂姆，M。；Villata，S.，《走向人工论证》，AI Mag.，38，25-36（2017） [7] Balog，K。；Radlinski，F.，《衡量推荐解释质量：解释的冲突目标》，（第43届国际ACM SIGIR信息检索研究与发展会议论文集（2020）），329-338 [8] Balog，K。；拉德林斯基，F。；Arakelyan，S.，《个性化推荐的透明、严谨和可解释的用户模型》（第42届国际ACM SIGIR信息检索研究与开发会议论文集（2019）），265-274 [9] 巴罗尼，P。；科米尼，G。；Rago，A。；Toni，F.，《论证策略和博弈理论论证强度的抽象游戏》，（PRIMA:多智能体系统的原理与实践-第20届国际会议（2017）），403-419·Zbl 1498.68333号 [10] （Baroni，P.；Gabbay，D.；Giacomin，M.；van der Torre，L.，《正式辩论手册》（2018），学院出版物）·Zbl 1395.03005号 [11] 巴罗尼，P。；Rago，A。；Toni，F.，渐进论证需要多少属性？，（第32届AAAI人工智能会议论文集（2018）），1736-1743 [12] 巴罗尼，P。；Rago，A。；Toni，F.，《从细粒度属性到渐进论证的广义原则：原则谱》，《国际期刊近似推理》。，105252-286（2019）·Zbl 1452.68200号 [13] Bechlivanidis，C。；拉格纳多，D.A。；Zemla，J.C。；Sloman，S.，《日常解释中的具体性和抽象性》，《心理医生》。牛市。版本1-14（2017） [14] 贝迪，P。；Vahisth，P.B.，论证支持的基于兴趣的个性化推荐系统，J.Exp.Theor。Artif公司。智力。，27, 199-226 (2015) [15] Bilgic，医学硕士。；Mooney，R.J.，《解释建议：满意度与晋升》（Beyond Personalization Workshop，IUI，第5卷（2005）），153 [16] Billsus，D。；Pazzani，M.J.，《学习协作信息过滤器》，（第十五届机器学习国际会议论文集，ICML（1998）），46-54 [17] 布里格斯，C.E。；巴丹，M.C。；迪古西尼，公元前。；Maguitman，A.G。；Capobianco，M。；Simari，G.R.，基于论证的混合推荐及其在电影推荐中的应用，专家系统。申请。，41, 6467-6482 (2014) [18] Burke，R.D.，《混合推荐系统：调查和实验》，《用户模型》。用户适配器。互动。，12, 331-370 (2002) ·Zbl 1030.68607号 [19] Burke，R.D.，《个性化推荐的混合系统》（Web个性化智能技术，IJCAI研讨会，ITWP（2003）），133-152 [20] Cayrol，C。；Lagasquie Schiex，M.-C，《论两极论证框架中论点的可接受性》，（不确定性推理的符号和定量方法，第八届欧洲会议，ECSQARU（2005）），378-389·Zbl 1122.68639号 [21] 陈，X。；Zhang，Y。；秦，Z.，基于神经注意模型的动态可解释建议，（第33届AAAI人工智能会议（2019）），53-60 [22] 切斯涅瓦尔，C.I。；Maguitman，A.G。；González，M.P.，通过论证赋予推荐技术权力，（人工智能论证（2009），Springer），403-422 [23] 克里斯塔科波卢，K。；拉德林斯基，F。；Hofmann，K.，《走向会话推荐系统》，（第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2016）），815-824 [24] Cocarascu，O。；Rago，A。；Toni，F.，《用论证性对话代理为评审聚合提取对话解释》，（第18届自主代理和多代理系统国际会议论文集，AAMAS（2019）），1261-1269 [25] Costa，F。；欧阳，S。；杜洛格，P。；Lawlor，A.，自然语言解释的自动生成，（第23届智能用户界面国际会议论文集（2018）），57:1-57:2 [26] Czarkowski，M.，《精确自适应超文本》（2006），悉尼大学：澳大利亚悉尼大学，博士论文·Zbl 1047.68714号 [27] Dacrema，M.F。；克雷莫内西，P。；Jannach，D.，我们真的取得了很大进展吗？最近神经推荐方法的令人担忧的分析，（第13届ACM推荐系统会议论文集，RecSys（2019）），101-109 [28] 道尔顿，J。；阿贾伊，V。；Main，R.，Vote goat:对话电影推荐（第41届国际ACM SIGIR信息检索研究与开发会议（2018）），1285-1288 [29] 杜，M。；刘，N。；Hu，X.，可解释机器学习技术，Commun。ACM，63，68-77（2020年） [30] Dung，P.M.，《论据的可接受性及其在非单调推理、逻辑编程和n人游戏中的基本作用》，Artif。智力。，77, 321-357 (1995) ·Zbl 1013.68556号 [31] Gabbay，D.M.，双极和三极论证网络的逻辑基础：初步结果，J.Log。计算。，26, 247-292 (2016) ·Zbl 1352.68227号 [32] a.J.加西亚。；Simari，G.R.，《可失效逻辑编程：论证方法》，理论与实践。日志。程序。，4, 95-138 (2004) ·Zbl 1090.68015号 [33] Gedikli，F。；Jannach，D。；葛先生，我该怎么解释？《推荐系统不同解释类型的比较》，《国际期刊·休姆-计算》。螺柱，72，367-382（2014） [34] 乔治·T。；Merugu，S.，基于联合聚类的可扩展协同过滤框架，（第五届IEEE数据挖掘国际会议论文集ICDM（2005）），625-628 [35] 吉多蒂，R。；Monreale，A。；Ruggieri，S。；图里尼，F。；Giannotti，F。；Pedreschi，D.，黑箱模型解释方法调查，ACM Compute。调查。，51, 93:1-93:42 (2019) [36] F.M.哈珀。；Konstan，J.A.，《电影数据集：历史与背景》，ACM Trans。互动。智力。系统。，5, 19:1-19:19 (2015) [37] 何，X。；Liao，L。；张，H。；聂，L。；胡，X。；Chua，T.，神经协同过滤，（第26届万维网国际会议论文集，WWW（2017）），173-182 [38] Herlocker，J.L。；Konstan，J.A。；Riedl，J.，《解释协作过滤建议》（《计算机支持的协作工作ACM会议论文集》，CSCW（2000）），241-250 [39] Hug，N.，Surprise，推荐系统的Python库（2017） [40] Ignatiev，A.，《走向可信任的可解释人工智能》，（第29届国际人工智能联合会议论文集，IJCAI（2020）），5154-5158 [41] Kim，D。；Suh，B.，《增强协同过滤的价值：灵活的先验和选通机制》，（第13届ACM推荐系统会议论文集，RecSys（2019）），403-407 [42] Koren，Y。；贝尔·R·M。；Volinsky，C.，推荐系统的矩阵分解技术，IEEE计算。，42, 30-37 (2009) [43] Kulesza，T。；Stumpf，S。；伯内特，M.M。；Yang，S。；关颖珊。；Wong，W.，太多，太少，还是刚刚好？解释影响最终用户心理模型的方式，（IEEE视觉语言和以人为中心的计算研讨会（2013）），3-10 [44] Kunkel，J。；Donkers，T。；迈克尔·L。；巴布，C。；Ziegler，J.，让我解释一下：个人和非个人解释对推荐系统信任的影响，（计算系统中人为因素会议，CHI（2019）），487 [45] Lemire，D。；Maclachlan，A.，基于在线评级的协同过滤的斜率一预测因子（2007），CoRR [46] Loepp，B。；Donkers，T。；克莱曼，T。；齐格勒，J.，《物品消费对用户研究中建议评估的影响》（第十二届ACM推荐系统会议论文集，RecSys（2018）），49-53 [47] 罗，X。；周，M。；夏，Y。；Zhu，Q.，一种高效的基于非负矩阵分解的推荐系统协同过滤方法，IEEE Trans。Ind.通知。，10, 1273-1284 (2014) [48] McInerney，J。；拉克，B。；Hansen，S。；希格利，K。；Bouchard，H。；Gruson，A。；Mehrotra，R.，《探索、利用和解释：用强盗个性化可解释的建议》（《第十二届ACM推荐系统会议论文集》，RecSys（2018）），31-39 [49] Miller，T.，《人工智能解释：来自社会科学的见解》，Artif。智力。，267, 1-38 (2019) ·Zbl 1478.68274号 [50] C.马斯托。；Narducci，F。；Lops，P。；de Gemmis，M。；Semeraro，G.，透明推荐系统的链接开放数据解释，Int.J.Hum.-Comput。螺柱，12193-107（2019） [51] 纳维德，S。；Donkers，T。；齐格勒，J.，《推荐系统中基于论证的解释：概念框架和实证结果》，（第26届用户建模、适应和个性化会议附属出版物，UMAP（2018）），293-298 [52] 拉德林斯基，F。；Crashwell，N.，会话搜索的理论框架，（会议人类信息交互和检索会议，CHIIR（2017）），117-126 [53] Rago，A。；Cocarascu，O。；Bechlivanidis，C。；Toni，F.，《作为建议交互式解释框架的论证》（第17届知识表示与推理原则国际会议，韩国（2020年）） [54] Rago，A。；Cocarascu，O。；Toni，F.，《基于论证的建议：奇妙的解释和如何找到它们》（第27届国际人工智能联合会议论文集，IJCAI（2018）），1949-1955年 [55] Resnick，P。；Varian，H.R.，Commun推荐系统。ACM，40，56-58（1997） [56] 罗德里格斯，P。；Heras，S。；帕兰卡，J。；波维达，J.M。；杜克，N.D。；Julián，V.，基于论证理论的教育推荐系统，AI Commun。，30, 19-36 (2017) [57] Rudin，C.，停止解释高风险决策的黑箱机器学习模型，转而使用可解释的模型，Nat.Machi。智力。，1, 206 (2019) [58] 施纳贝尔，T。；Bennett，P.N。；Joachims，T.，利用基于信息搜寻理论的干预措施在推荐系统中形成反馈数据，（第十二届ACM网络搜索和数据挖掘国际会议论文集，WSDM（2019）），546-554 [59] Seo，S。；Huang，J。；Yang，H。；Liu，Y.，具有双重局部和全局关注度的可解释卷积神经网络用于评估评级预测，（第十一届ACM推荐系统会议论文集，RecSys（2017）），297-305 [60] Sepliarskaia，A。；Kiseleva，J。；拉德林斯基，F。；de Rijke，M.，作为优化问题的偏好启发，（第十二届ACM推荐系统会议论文集，RecSys（2018）），172-180 [61] Silveira，T。；张，M。；林，X。；刘，Y。；妈妈，你的推荐系统有多好？国际J.Mach推荐的评估调查。学习。赛博。，10, 813-831 (2019) [62] Sokol，K。；Flach，P.A.，可解释性概况介绍：可解释方法的系统评估框架，（FAT*'20：公平、问责和透明度会议（2020）），56-67 [63] 孙，Y。；张勇，会话推荐系统，（第41届国际ACM SIGIR信息检索研究与开发会议，SIGIR（2018）），235-244 [64] Teze，J.C。；戈蒂弗雷迪，S。；a.J.加西亚。；Simari，G.R.，通过上下文自适应选择标准改进基于论证的推荐系统，专家系统。申请。，42, 8243-8258 (2015) [65] 北丁塔列夫。；Masthoff，J.，《推荐系统中的解释调查》，（第23届国际数据工程研讨会论文集，ICDE（2007）），801-810 [66] 北丁塔列夫。；Masthoff，J.，《解释建议：设计和评估》（《推荐系统手册》（2015）），353-382 [67] Toulmin，S.E.，《论证的使用》（1958），剑桥大学出版社 [68] A.Töscher、M.Jahrer、R.M.Bell，《Netflix大奖的大混乱解决方案》，2009年。 [69] van Velsen，L。；van der Geest，T。；克拉森，R。；Steehouder，M.F.，《以用户为中心的自适应和自适应系统评估：文献综述》，Knowl。工程版，23261-281（2008） [70] 维格·J。；Sen，S。；Riedl，J.，Tagsplations:解释使用标签的建议，（第14届智能用户界面国际会议论文集，IUI（2009）），47-56 [71] 沃扎利斯，M.G。；Margaritis，K.G.，将奇异值分解应用于广义基于项的过滤，国际计算杂志。科学。申请。，3, 27-51 (2006) [72] Walek，B。；Fojtik，V.，使用专家系统（expert Syst）推荐相关电影的混合推荐系统。申请。，158，第113452条，第（2020）页 [73] 王，H。；Wang，N。；Yeung，D.，推荐系统的协作深度学习，（第21届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2015）），1235-1244 [74] 王，X。；何，X。；曹毅。；刘，M。；Chua，T.，KGAT：知识图注意力网络推荐，（第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集，KDD（2019）），950-958 [75] Wu，Y。；Ester，M.，FLAME:一种结合基于方面的意见挖掘和协作过滤的概率模型，（第八届ACM网络搜索和数据挖掘国际会议论文集，WSDM（2015）），199-208 [76] 西安，Y。；傅，Z。；Muthukrishnan，S。；德梅洛，G。；张毅，“可解释建议的强化知识图推理”，（第42届国际ACM SIGIR信息检索研究与开发会议论文集（2019）），285-294 [77] 张杰。；施，X。；赵，S。；King，I.，STAR-GCN：推荐系统的堆叠和重构图卷积网络，（第28届国际人工智能联合会议论文集，IJCAI（2019）），4264-4270 [78] Zhang，Y。；陈曦，《可解释性建议：调查与新视角》，Found。趋势信息检索。，14, 1-101 (2020) [79] Zhang，Y。；陈，X。；艾，Q。；Yang，L。；Croft，W.B.，《走向对话搜索和推荐：系统询问，用户响应》（第27届ACM信息和知识管理国际会议论文集，CIKM（2018）），177-186 [80] Zhang，Y。；赖，G。；张，M。；Zhang，Y。；刘，Y。；Ma，S.，基于短语层次情感分析的可解释建议的显式因子模型，（第37届国际ACM SIGIR信息检索研究与开发会议（2014）），83-92 [81] 赵（Q.Zhao）。；F.M.哈珀。；阿多马维修斯，G。；Konstan，J.A.，显性反馈还是隐性反馈？参与度还是满意度？：基于机器学习的推荐系统的现场实验，（第33届ACM应用计算研讨会论文集，SAC（2018）），1331-1340 [82] 郑，L。；诺鲁齐，V。；Yu，P.S.，使用评论推荐用户和项目的联合深度建模，（第十届ACM网络搜索和数据挖掘国际会议论文集，WSDM（2017）），425-434 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。