An integrated approach for transparent, multi-level decision support in interactive recommender systems
Um die oft komplexe Produktsuche im Internet zu erleichtern, werden heute verschiedene Techniken wie Filtermechanismen oder Empfehlungskomponenten bereitgestellt. Häufig eingesetzte facettierte Filtersysteme ermöglichen Nutzern die Ergebnismenge sukzessive entsprechend den gesetzten Filtereinstellungen einzugrenzen. Diese Methode setzt klare Zielvorstellungen und Domänenkenntnisse seitens der Nutzer voraus, um Suchergebnisse zielgerichtet zu verfeinern. Als Alternative haben zuletzt konversationale Empfehlungssystem in Form von Produktberatern an Bedeutung gewonnen. Diese Systeme empfehlen geeignete Produkte anhand einer Folge von Fragen, die eher von den Aufgaben und Anwendungsszenarien der Nutzer ausgehen als von den technischen Eigenschaften der Produkte. So können auch Nutzer mit geringerer Domänenkenntnis adäquate Produkte finden.
Häufig bieten Anbieter ihren Nutzern verschiedene Entscheidungshilfen an. Es hat sich gezeigt, dass Nutzer bei ihrer Suche zwischen diesen wechseln, beispielsweise wenn das gewählte Hilfsmittel nicht zielführend erscheint, weil der Nutzer mit den zur Verfügung stehenden Konfigurationsmöglichkeiten überfordert ist oder das gewählte Hilfsmittel zu wenig Kontrollmöglichkeiten bietet. Dieses Suchverhalten wird jedoch oft nicht unterstützt, da die zur Verfügung gestellten Hilfsmittel meist isoliert voneinander angeboten werden und kein Datenaustausch stattfindet. Beim Wechsel gehen bereits vorgenommene Einstellungen verloren und der Suchprozess beginnt von vorne: Nutzer müssen bereits geäußerte Präferenzen neu eingeben, was zu einer erhöhten kognitiven Belastung und einem ineffizienten Such- und Entscheidungsprozess führen kann.
Um diesem Umstand zu begegnen schlagen wir einen integrierten Ansatz für ein interaktives Empfehlungssystem vor. Dieser Ansatz kombiniert unterschiedliche Komponenten zur Entscheidungsfindung und soll Nutzern dadurch die Möglichkeit bieten wahlfrei zwischen den Hilfsmitteln wechseln zu können, ohne das ihr Suchfortschritt verloren geht. Dabei wirken sich Auswahlaktionen in einer Komponente in konsistenter und transparenter Weise auf die andere Komponente aus und können dort weiter angepasst werden. Außerdem werden Methoden beschrieben, die die Beziehungen zwischen den Komponenten visualisieren und erklären, um einen transparenten und nachvollziehbarer Empfehlungsprozess und somit eine effiziente und zufriedenstellende Suche zu ermöglichen.
Ergebnisse der durchgeführten Nutzerstudien zeigen, dass der vorgeschlagene hybride Ansatz geeignet ist, Nutzer bei ihrem Such- und Entscheidungsprozess zu unterstützen. Außerdem hat sich gezeigt, dass die Kombination eines konversationellen Beraters mit Filtermechanismen, zusammen mit Visualisierungen und Erläuterungen, im Vergleich zu herkömmlichen Systemen, bei denen die Komponenten isoliert voneinander arbeiten, einen positiven Einfluss sowohl auf die wahrgenommene Transparenz des Empfehlungsprozesses als auch auf die Akzeptanz der Ergebnisse hat.
To facilitate the often complex product search on the Internet, various techniques such as search and filtering mechanisms or recommendation components are employed. Widely used faceted filtering systems allow users to successively narrow down the result set according to the filter settings that are applied. However, this method requires clear objectives and domain knowledge on the part of the users to purposefully refine the search results. Alternatively, conversational recommendation systems in the form of product advisors have recently gained significance. These systems recommend suitable products based on a series of questions, focusing more on the users' tasks and usage scenarios rather than the technical properties of the products. Thus, even users with little domain knowledge can find adequate products.
Online environments frequently offer their users different decision aids, and it has been observed that users switch between them during their search. If the chosen decision aid seems ineffective, for example, because the user is overwhelmed with the available configuration options or, conversely, the chosen decision aid offers too little control, users switch to a decision aid that appears to be more helpful. However, this search behavior is typically not supported by environments because the provided tools are mostly isolated with no data exchange between them. As a result, all previous settings are lost and the search process has to start over. Consequently, users must re-enter previously set preferences, increasing cognitive load and making the search and decision-making process inefficient.
To address this issue, this work proposes an integrated approach for an interactive recommender system that combines different decision-making components and allows users to freely switch between them. Selection actions in one component affect the other component in a consistent and transparent manner and can be further adjusted there, enabling an efficient search. We propose methods to enable a coupling of various components and allow users a seamless transition between them to foster multi-level decision support. Furthermore, we describe approaches for visualizing and explaining the relationships between the components, thereby enabling a transparent and comprehensible recommendation process.
Findings from user studies examining user behavior and subjective evaluation through prototype implementations demonstrate that the proposed hybrid approach is suitable for supporting users in their search and decision-making process. It was shown that the combination of a conversational advisor with filtering mechanisms using a knowledge graph and the resulting explanation of the mutual influences, compared to traditional systems in which components work in isolation, positively impacts the perceived transparency of the recommendation process and the acceptance of the results.