评估基于图的解释方法对基于人工智能的推荐系统的影响
原文中文,约2000字,阅读约需5分钟。发表于: 。通过定性和量化研究的混合方法,本研究旨在确定基于图形的解释对于改善用户对基于人工智能的推荐的认知的有效性。研究发现,用户认为基于图形的解释比特征重要性设计更易用,但文本解释的客观理解程度更高。此外,参与者对图形设计的期望与实际评分存在明显差异,这表明仅满足利益相关者的期望可能不足以确保 “好” 的解释。因此,平衡社会期望与结果性能的混合设计成为一个重要的挑战。
通过混合定性和量化研究方法,发现基于图形的解释有效改善用户对基于人工智能的推荐的认知。研究还发现图形设计的期望与实际评分存在差异,平衡社会期望与结果性能成为挑战。其他研究探讨了可解释的推荐系统、群组推荐系统、知识图谱等方面的解释设计和应用。