28、可解释推荐系统的设计与挑战

可解释推荐系统的设计与挑战

1. 解释的交付方法

解释的交付方法并非相互排斥，可根据上下文、解释接收者和应用性质，在同一界面中使用多种交付选项。主要的交付方法有以下几种：
- 持久特定型（Persistent - Specific） ：解释与推荐一同直接且便捷地提供给用户，无需用户请求。解释的生命周期与用户和推荐的交互时间相关，任务完成后用户无法再查看。其主要目的是帮助用户决定是否接受推荐，常用于增强信任、透明度、说服力、用户接受度以及防止错误和偏差。不过，成本效益分析是一个具有挑战性的设计考量，因为用户可能认为阅读解释的成本超过了其收益。
- 临时型（Ad - Hoc） ：
- 按需型（On - demand） ：用户可请求解释，解释嵌入在单独视图中。此方法旨在减少界面信息过载，尤其在解释并非对执行任务总是有益或关键时。它能与持久特定型方法结合，适用于解释包含大量信息的情况，可减少用户认知负担。但将解释嵌入单独视图可能无法实现展示解释的目标，还可能给用户体验带来额外负担，因为用户可能难以注意到按需按钮。
- 探索型（Exploration） ：用户能够探索解释的性质和代理过程，增强对推荐背后推理的理解。探索方式包括基于特征的探索、基于子集的探索和全局探索。探索技术有助于用户构建有用的心理模型，以互动和引人入胜的方式发现更多关于代理的知识，可用于检测数据偏差、对抗社交媒体中的过滤气泡效应等。
- 持久通用型（Persistent - Generic） ：解释以报告形式存储，无时间限制