Impact of Tone-Aware Explanations in Recommender Systems

在推荐系统中，解释的呈现在支持用户决策过程中起着至关重要的作用。虽然许多现有的研究都集中在解释内容的效果（透明度或说服力）上，但解释表达方式却很大程度上被忽视了。语调，如正式和幽默，直接与表达力相关，是人类交流中的重要元素。然而，在推荐系统背景下，关于语调对解释影响的研究还不够充分。因此，本研究通过在线用户研究，从知觉效果、领域差异和用户属性三个方面，探讨了解释语调的影响。我们使用大型语言模型创建了一个数据集，用于在电影、酒店和家居产品领域生成带有不同语调的虚构项目和解释。收集到的数据分析显示，不同领域的语调具有不同的知觉效果。此外，年龄和人格特质等用户属性也被发现会影响语调的影响。这项研究强调了语调在推荐系统中解释中的关键作用，表明关注语调可以增强用户体验。

本论文旨在研究解释语气对推荐系统中解释效果的影响，探讨不同领域和用户属性对语气影响的差异。

论文通过在线用户研究，使用大型语言模型生成不同语气的虚构物品和解释，在电影、酒店和家居产品领域中研究了语气的影响，并发现不同领域和用户属性对语气的影响有所不同。研究强调了解释语气在推荐系统中的重要性，建议注重语气可以提高用户体验。

论文设计了在线用户研究，使用大型语言模型生成了虚构物品和解释。发现不同领域和用户属性对解释语气的影响不同。

相关研究包括解释内容的透明度和说服力的影响研究。