Improving argumentation-based recommender systems through context-adaptable selection criteria

سیستم های توصیه شده مبتنی بر استدلال، یک پیشنهاد مهمی هستند که توصیه های آن توسط اطلاعات کیفی پشتیبانی می شود. در این سیستم ها، نقش معیار مقایسه مورد استفاده برای تصمیم گیری میان استدلال های رقابتی، اهمیت دارد و امکان استفاده از مناسب ترین آن برای یک دامنه معین به موضوع اصلی تبدیل می شود؛ بنابراین، یک سیستم پیشنهاد دهنده استدلال که معیار مقایسه پذیری آرگومان قابل تعویض ارائه می دهد توانایی قابل توجهی است که می تواند توسط کاربر مورد سوء استفاده قرار گیرد. با این حال، در بسیاری از سیستم های پیشنهاد دهنده فعلی، معیار مقایسه استدلال ثابت یا در آرگومان ها کدگذاری می شود. در این کار، پیشنهاد می کنیم فرمول بندی معیارهای انتخاب سازگار با متن را که مکانیسم استدلال استدلالی را تقویت می کند، پیشنهاد کنیم. بنابراین، ما یک نوع جدید از سیستم توصیه نمی کند؛ در عوض ما مکانیزمی را ارائه می دهیم که توانایی های سیستم پیشنهادی مبتنی بر استدلال موجود را گسترش می دهد. دقیق تر، پیشنهاد ما این است که راهی برای مشخص کردن نحوه انتخاب و استفاده از مناسب ترین معیار مقایسه استدلال که بر انتخاب ترجیحات کاربر تاثیر می گذارد، ارائه دهیم، امکان برنامه ریزی، با استفاده از عبارات شرطی، که معیار ترجیح استدلال در هر موقعیت خاص استفاده شود.