[1J3-GS-10d] AI application

1:55 PM - 2:10 PM JST(4:55 AM - 5:10 AM UTC)

[1J3-GS-10d-02] Interpretable Recommendation with Asymmetric Aspect Importance of Product Features for Low and High Ratings

〇Kohei Yamashita¹, Yusei Karino¹, Tianxiang Yang², Tengfei Shao¹, Masayuki Goto¹ (1. Waseda University, 2. Keio University)

Keywords:

Recommendation Systems,Interpretable AI,Language Models,DIRECT,Kano Model

近年，推薦モデルは深層学習の導入により高い性能が実現されたが，その多くは推論過程の解釈が困難であり，透明性確保に課題がある．推薦モデルDIRECTは，高い推薦性能と解釈可能性を両立し，予測に重要な単語や商品の評価観点(商品特性)の提示による解釈を可能にしている．しかし，DIRECTには以下の課題がある．1つ目は，各商品特性の重要度を評価値に与える影響度として単一に推定するため，低評価に強く影響を与える商品特性と高評価に強く寄与する商品特性が存在するという現実の問題に対し，この非対称な寄与構造を捉えられない点である．本研究では，低評価/高評価予測タスクを分離し，非対称性を明示的に表現できるモデルを構築する．2つ目は，商品特性を自動で抽出するものの，学習結果の解釈が困難であるという点である．本研究では，事前定義された商品特性ラベルを導入し，直感的な解釈を可能にする．評価実験では，提案手法は従来手法の予測性能を維持しつつ，非対称な寄与構造を考慮した解釈が可能であることを示す．本研究により，商品特性の寄与構造の違いを考慮した，より実態に即した推薦モデルの解釈が可能となる．