[4Yin2-41] 情報推薦における透明性がユーザに与える影響
キーワード:機械学習、解釈可能性、情報推薦の透明性
本研究では、情報推薦の透明性がサービスにもたらす印象を明らかにしました。近年、ニューラルネットワークの導入や学習における非線形モデルの台頭により、利用者が解釈できないモデルに意思決定を委ねることの危険性が注目され始め、モデルの解釈可能性が注目されるようになってきた。モデルの解釈可能性は、モデルを採用して意思決定を行う主体の視点から解釈することもできるが、モデルから情報の推奨を受けるユーザの視点から解釈することもできる。モデル自体の解釈可能性が高まれば、ユーザーに対して「なぜこのような情報が私に推奨されるのか」を明確に伝え、提示することができるようになる。このような解釈可能性によるモデルの透明性が、ユーザーに良い影響を与えるのか、サービスの性能向上に寄与するのかについては、これまで誰も調査していない。そこで、情報推薦の内容において、情報推薦の理由を持つユーザーを対象にアンケート調査を行い、情報推薦における透明性の是非について考察する。
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。