Key points are not available for this paper at this time.
Résumé : Les algorithmes de recommandation sont largement utilisés, cependant de nombreux consommateurs souhaitent plus de clarté sur les raisons pour lesquelles des biens spécifiques leur sont recommandés. L'absence d'explicabilité compromet la confiance des utilisateurs, leur satisfaction et potentiellement leur vie privée. Améliorer la transparence est difficile et nécessite des interfaces flexibles, la protection de la vie privée, l'évolutivité et la personnalisation. Les recommandations explicables offrent des avantages substantiels tels que l'amélioration de l'évaluation de la pertinence, le renforcement des interactions utilisateur, la facilitation de la surveillance des systèmes et la promotion de la responsabilité. Les méthodes typiques incluent la fourniture de résumés de l'approche fondamentale, l'accentuation des points de données significatifs et l'utilisation de modèles de recommandation hybrides. Des études de cas montrent que l'ouverture a aidé des plateformes comme YouTube et Spotify à réaliser plus de 10 % d'augmentation dans des indicateurs clés tels que le taux de clics. Des recherches supplémentaires devraient élargir les méthodes de fourniture d'explications, augmenter la mise en œuvre dans le monde réel dans d'autres secteurs, garantir une supervision centrée sur l'humain des suggestions et promouvoir la confiance des consommateurs en respectant des normes éthiques. Des recommandations précises sont essentielles. L'avenir implique le développement de technologies qui fournissent aux utilisateurs des informations tout en respectant leur autonomie.
Pasrija et al. (Mercredi) ont étudié cette question.