Providing personalized explanations for recommendations can help users to understand the underlying insight of the recommendation results, which is helpful to the effectiveness, transparency, persuasiveness and trustworthiness of recommender systems. Current explainable recommendation models mostly generate textual explanations based on pre-defined sentence templates. However, the expressiveness power of template-based explanation sentences are limited to the pre-defined expressions, and manually defining the expressions require significant human efforts. Motivated by this problem, we propose to generate free-text natural language explanations for personalized recommendation. In particular, we propose a hierarchical sequence-to-sequence model (HSS) for personalized explanation generation. Different from conventional sentence generation in NLP research, a great challenge of explanation generation in e-commerce recommendation is that not all sentences in user reviews are of explanation purpose. To solve the problem, we further propose an auto-denoising mechanism based on topical item feature words for sentence generation. Experiments on various e-commerce product domains show that our approach can not only improve the recommendation accuracy, but also the explanation quality in terms of the offline measures and feature words coverage. This research is one of the initial steps to grant intelligent agents with the ability to explain itself based on natural language sentences.

中文翻译：

---

生成自然语言说明以进行推荐

提供针对建议的个性化解释可以帮助用户理解建议结果的内在洞察力，这有助于提高推荐系统的有效性，透明度，说服力和可信度。当前可解释的推荐模型主要基于预定义的句子模板生成文本解释。但是，基于模板的解释语句的表达能力仅限于预定义的表达式，而手动定义表达式需要大量的人工。受此问题的影响，我们建议生成自由文本的自然语言解释以进行个性化推荐。特别是，我们提出了一种用于个性化解释生成的分层序列到序列模型（HSS）。与NLP研究中的常规句子生成不同，电子商务推荐中解释生成的一大挑战是并非用户评论中的所有句子都具有解释目的。为了解决这个问题，我们进一步提出了一种基于主题词的自动去噪机制，用于句子生成。在各种电子商务产品领域的实验表明，我们的方法不仅可以提高推荐的准确性，而且可以在离线测量和特征词覆盖方面提高解释质量。这项研究是赋予智能主体基于自然语言句子的自我解释能力的第一步。为了解决这个问题，我们进一步提出了一种基于主题词的自动去噪机制，用于句子生成。在各种电子商务产品领域的实验表明，我们的方法不仅可以提高推荐的准确性，而且可以在离线测量和特征词覆盖方面提高解释质量。这项研究是赋予智能主体基于自然语言句子的自我解释能力的第一步。为了解决这个问题，我们进一步提出了一种基于主题词的自动去噪机制，用于句子生成。在各种电子商务产品领域的实验表明，我们的方法不仅可以提高推荐的准确性，而且可以在离线测量和特征词覆盖方面提高解释质量。这项研究是赋予智能主体基于自然语言句子的自我解释能力的第一步。