Argument-basierte Unterstützung von Entscheidungen in Empfehlungssystemen (ASSURE)

• Antragsteller: Professor Dr.-Ing. Torsten Zesch; Professor Dr.-Ing. Jürgen Ziegler
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Allgemeine und Vergleichende Sprachwissenschaft, Experimentelle Linguistik, Typologie, Außereuropäische Sprachen
• Förderung: Förderung von 2017 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 375363654

Argumentative Aussagen in nutzergenerierten Texten wie zum Beispiel Online-Produktreviews können den Entscheidungsprozess von Nutzern erheblich unterstützen, wenn diese eine Auswahl aus einer großen Menge von Alternativen zu treffen haben, so zum Beispiel beim Kauf eines Produktes oder dem Buchen eines Hotels. Existierende Empfehlungssysteme schlagen zwar Nutzern vermutlich relevante Objekte vor, nutzen aber bislang nicht das Potential begründeter Argumente, die für oder gegen ein bestimmtes Objekt oder seine Eigenschaften formuliert werden. Das Projekt ASSURE hat zum Ziel, Argumente in Online-Reviews zu verwenden, um die Qualität und Transparenz von systemgenerierten Empfehlungen signifikant zu verbessern und Nutzern in sehr viel stärkerem Maß als bisher eine interaktive Steuerung des Empfehlungsprozesses zu ermöglichen.Das Projekt zielt darauf ab, den Stand der Forschung in verschiedener Hinsicht zu erweitern: Zum Ersten werden neuartige Methoden entwickelt, um Stance-basierte Argumente aus den informellen und idiosynkratischen Nutzerreviews zu extrahieren. Zweitens werden die extrahierten Argumente mit Nutzerbewertungen und anderen Item-bezogenen Daten in einem integrierten Modell zusammengeführt, um die Effektivität von Empfehlungsalgorithmen zu steigern. Auf Grundlage dieses Modells werden Nutzer Argumente und andere Datenquellen interaktiv explorieren, filtern und gewichten können, um die Generierung von Empfehlungen zu steuern. Drittens sollen Methoden entwickelt werden, um Nutzern personalisierte, auf Argumenten basierende Erklärungen für die empfohlenen Items zu geben. Ein weiteres wichtiges Ergebnis des Projektes wird ein Datensatz von bislang nicht verfügbarer Qualität und Größe sein, der auf unterschiedlichen Ebenen bezüglich Stance-basierter Argumentation annotiert ist. Ein solcher Datensatz ist eine Voraussetzung für weiterführende Forschung zu Argumentation und Empfehlungsgenerierung und soll sich außerdem für die Verwendung in Shared Tasks des Schwerpunktprogramms eignen.Die Projektziele leisten einen Beitrag zu zwei der im DFG-SPP "Robust Argumentation Machines" formulierten Szenarien. Sie adressieren das Deliberations-Szenario, da die Argument-basierten Empfehlungen und Erklärungen Nutzer bei einer informierten Entscheidung unterstützen. Weiterhin werden Methoden für das Synthese-Szenario entwickelt, da sowohl einzelne Argumente wie auch Argumentmengen den Nutzern in einer geeigneten, personalisierten Form präsentiert werden müssen. Alle Entwicklungen werden mit kontrollierten Nutzerstudien begleitet, um sicherzustellen, dass die entwickelten Argumentextraktions- und Empfehlungstechniken zu einer hohen Effektivität und Nutzerfreundlichkeit des Gesamtsystems führen. Die Methoden werden in einem stark interdisziplinären Ansatz unter Beteiligung der Gebiete Computerlinguistik und Mensch-Computer-Interaktion entwickelt und in einer realistischen Anwendungsdomäne mit Hilfe eines integrierten Demonstratorsystems validiert.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1999: Robust Argumentation Machines (RATIO)