Key points are not available for this paper at this time.
Nos últimos anos, o campo dos sistemas de recomendação testemunhou avanços significativos, com sistemas de recomendação explicáveis ganhando destaque como uma área crucial de pesquisa. Esses sistemas visam melhorar a experiência do usuário, proporcionando recomendações transparentes e atraentes, acompanhadas de explicações. No entanto, um desafio persistente reside em abordar os vieses que podem influenciar as recomendações e explicações oferecidas por esses sistemas. Esses vieses geralmente decorrem da tendência de favorecer itens populares e gerar explicações que destacam seus atributos comuns, desviando assim do objetivo de oferecer recomendações e explicações personalizadas. Embora métodos de remoção de viés existentes tenham sido aplicados em sistemas de recomendação explicáveis, eles frequentemente negligenciam as explicações geradas pelo modelo na abordagem dos vieses. Consequentemente, os vieses nas explicações geradas pelo modelo podem persistir, potencialmente comprometendo o desempenho do sistema e a satisfação do usuário.
Liu et al. (Mon,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: