探索面向人格特征的推荐系统解释方法

《ACM Transactions on Recommender Systems》：Exploring Personality-Aware Explanations for Recommender Systems

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

推荐系统能够帮助用户从海量数据中找到所需内容，但这些推荐有时会显得难以理解且不可靠。先前的研究表明，解释性内容能提升用户的信心与满意度，而解释的有效性不仅取决于所表达的内容，还与表达方式有关。本研究探讨了在音乐推荐系统中根据用户性格特点进行解释性内容设计的方法。我们利用生成式AI，结合大五人格特质生成自然语言解释，并与基于特征的基准方法进行比较，研究语言表达方式是否能在个性化之外影响用户的感知。在一项有348名参与者参与的对照研究中，用户完成了大五人格测试，并对在不同表述方式下呈现的音乐推荐进行了评价。结果表明，语言表达方式会影响用户对推荐内容的看法，某些表述方式被认为更具说服力、更清晰或更准确。不同人格特质的用户对表述方式的反应存在差异，但将表述方式与用户的主导人格特质相匹配并不总能提升用户感知，而情感上较为稳定的表述方式则普遍有效。这些发现表明，语言表达方式是推荐系统解释性内容设计中的一个重要因素，真正起作用的是内容与领域的契合度以及情感上的恰当性，而非用户人格特质的匹配度。我们还讨论了如何利用生成式AI设计更具适应性的解释性内容。

AI总结

AI生成的总结（实验性）

此总结是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、判断文章相关性，以及让相关领域的读者更好地理解本文内容。它是对作者提供的摘要的补充，而作者提供的摘要仍是文章的核心总结。完整文章才是最权威的版本。点击此处了解更多。

点击此处，可以对此总结的准确性、清晰度及实用性发表意见。您的反馈将有助于改进未来的总结版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。