Presentation Information
[1I4-GS-4a-04]Counterfactual Explanations for Black-box Reciprocal Recommendation Systems for HR
〇Shuya Nagayasu1, Haoyi Xiu1, Norihiro Hizawa1 (1. Leverages)
Keywords:
Reciprocal Recommendation,Explainable AI,Counterfactual Machine Learning
相互推薦は、ユーザーとアイテム双側の嗜好性を考慮する推薦システムであり、人材領域においては求職者の希望と企業の要求を両立させるために重要な役割を果たす。特に高い説明性と透明性が求められる同領域では、グラフ構造を用いた説明手法が提案されてきたが、複雑なブラックボックスモデルに対する汎用的な説明手法は確立されていない。
本研究では、ブラックボックスな相互推薦モデルに対し、反実仮想機械学習を用いた説明手法を提案する。具体的には、求職者がより望ましい求人の推薦を受けるために、自身の属性や条件にどのような介入（変更）が必要であるかを特定する手法である。従来の反実仮想手法をそのまま適用すると、企業側の要求は満たすものの、求職者の志望度が低下してしまうような非現実的な介入案が生成される課題があった。この課題に対して、制約付き最適化を導入することで、ユーザーの志望度を一定以上に維持しつつ、推薦確率を向上させる介入案の特定を可能にした。
本研究では、ブラックボックスな相互推薦モデルに対し、反実仮想機械学習を用いた説明手法を提案する。具体的には、求職者がより望ましい求人の推薦を受けるために、自身の属性や条件にどのような介入（変更）が必要であるかを特定する手法である。従来の反実仮想手法をそのまま適用すると、企業側の要求は満たすものの、求職者の志望度が低下してしまうような非現実的な介入案が生成される課題があった。この課題に対して、制約付き最適化を導入することで、ユーザーの志望度を一定以上に維持しつつ、推薦確率を向上させる介入案の特定を可能にした。