@article{
 title = {Tagsplanations : Explaining Recommendations Using Tags},
 type = {article},
 year = {2009},
 identifiers = {[object Object]},
 pages = {47-56},
 websites = {http://portal.acm.org/citation.cfm?id=1502650.1502661},
 id = {12dc6320-5438-38f9-b1e1-6a1108a21d0d},
 created = {2018-04-19T19:01:26.762Z},
 file_attached = {false},
 profile_id = {2ed0fe69-06a2-3e8b-9bc9-5bdb197f1120},
 group_id = {e795dbfa-5576-3499-9c01-6574f19bf7aa},
 last_modified = {2018-12-14T12:16:31.623Z},
 read = {true},
 starred = {false},
 authored = {false},
 confirmed = {true},
 hidden = {false},
 citation_key = {Vig2009},
 notes = {El paper introduce un nuevo método de explicación de recomendaciones tagsplanation, que se basa en tags, que identifican la relación entre un usuario y un tag y entre el tag y el item recomendado. Las tagsplanations tienen dos componentes: la relevancia del tag (el grado en que el tag describe al item) y la preferencia del tag (el sentimiento del usuario con respecto al item).<br/><br/>La relevancia mide la correlación entre la preferencia por el item y la preferencia por el tag. También puede medir la popularidad del item recomendado.<br/>La preferencia mide el grado en el que el item le puede gustar al usuario. Se puede inferir preguntando al usuario o a través de sus acciones.<br/><br/>Los objetivos de estas explicaciones son: la justificación, la efectividad y la compatibilidad con el usuario.<br/><br/>Se han implementado tagsplanations para MovieLens y se han realizado un estudio con usuarios. Se han diseñado cuatro tipos de interfaces:<br/>-RelSort: muestra la relevancia como una barra de longitud variable, y la preferencia como un rating (con estrellas). Las tags están ordenadas por relevancia de mayor a menor.<br/>-PrefSort: Las tags están ordenadas por preferencia de mayor a menor.<br/>-RelOnly: Sólo se muestra la relevancia<br/>-PrefOnly: sólo se muestra la preferencia<br/><br/>Resultados:<br/>-En cuanto a justificación, la preferencia del tag es más importante que la relevancia, aunque los usuarios prefieren la ordenación por relevancia.<br/>-Con respecto a la efectividad, la preferencia y la relevancia tienen la misma importancia.<br/>-La relevancia juega un papel más importante en relación al modo de compatibilidad con el usuario.<br/>-Las tags subjetivas producen mejores resultados en los tres niveles, aunque los usuarios prefieren los basados en hechos. También prefieren los descriptivos, los de géneros o temas generales.<br/>-80% de los usuarios cree que RelSort consigue buenos resultados en los tres objetivos. El 85% cree que esta misma interfaz da buenas explicaciones.},
 private_publication = {false},
 abstract = {While recommender systems tell users what items they might like, explanations of recommendations reveal why they might like them. Explanations provide many benefits, from improving user satisfaction to helping users make better decisions. This paper introduces tagsplanations, which are explanations based on community tags. Tagsplanations have two key components: tag relevance, the degree to which a tag describes an item, and tag preference, the user's sentiment toward a tag. We develop novel algorithms for estimating tag relevance and tag preference, and we conduct a user study exploring the roles of tag relevance and tag preference in promoting effective tagsplanations. We also examine which types of tags are most useful for tagsplanations.},
 bibtype = {article},
 author = {Vig, Jesse and Sen, Shilad and Riedl, John},
 journal = {Proceedings of the 14th international conference on Intelligent user interfaces}
}

{"_id":"hvEnu82sAquXLX5LF","bibbaseid":"vig-sen-riedl-tagsplanationsexplainingrecommendationsusingtags-2009","downloads":0,"creationDate":"2018-09-05T13:52:59.117Z","title":"Tagsplanations : Explaining Recommendations Using Tags","author_short":["Vig, J.","Sen, S.","Riedl, J."],"year":2009,"bibtype":"article","biburl":null,"bibdata":{"title":"Tagsplanations : Explaining Recommendations Using Tags","type":"article","year":"2009","identifiers":"[object Object]","pages":"47-56","websites":"http://portal.acm.org/citation.cfm?id=1502650.1502661","id":"12dc6320-5438-38f9-b1e1-6a1108a21d0d","created":"2018-04-19T19:01:26.762Z","file_attached":false,"profile_id":"2ed0fe69-06a2-3e8b-9bc9-5bdb197f1120","group_id":"e795dbfa-5576-3499-9c01-6574f19bf7aa","last_modified":"2018-12-14T12:16:31.623Z","read":"true","starred":false,"authored":false,"confirmed":"true","hidden":false,"citation_key":"Vig2009","notes":"El paper introduce un nuevo método de explicación de recomendaciones tagsplanation, que se basa en tags, que identifican la relación entre un usuario y un tag y entre el tag y el item recomendado. Las tagsplanations tienen dos componentes: la relevancia del tag (el grado en que el tag describe al item) y la preferencia del tag (el sentimiento del usuario con respecto al item).<br/><br/>La relevancia mide la correlación entre la preferencia por el item y la preferencia por el tag. También puede medir la popularidad del item recomendado.<br/>La preferencia mide el grado en el que el item le puede gustar al usuario. Se puede inferir preguntando al usuario o a través de sus acciones.<br/><br/>Los objetivos de estas explicaciones son: la justificación, la efectividad y la compatibilidad con el usuario.<br/><br/>Se han implementado tagsplanations para MovieLens y se han realizado un estudio con usuarios. Se han diseñado cuatro tipos de interfaces:<br/>-RelSort: muestra la relevancia como una barra de longitud variable, y la preferencia como un rating (con estrellas). Las tags están ordenadas por relevancia de mayor a menor.<br/>-PrefSort: Las tags están ordenadas por preferencia de mayor a menor.<br/>-RelOnly: Sólo se muestra la relevancia<br/>-PrefOnly: sólo se muestra la preferencia<br/><br/>Resultados:<br/>-En cuanto a justificación, la preferencia del tag es más importante que la relevancia, aunque los usuarios prefieren la ordenación por relevancia.<br/>-Con respecto a la efectividad, la preferencia y la relevancia tienen la misma importancia.<br/>-La relevancia juega un papel más importante en relación al modo de compatibilidad con el usuario.<br/>-Las tags subjetivas producen mejores resultados en los tres niveles, aunque los usuarios prefieren los basados en hechos. También prefieren los descriptivos, los de géneros o temas generales.<br/>-80% de los usuarios cree que RelSort consigue buenos resultados en los tres objetivos. El 85% cree que esta misma interfaz da buenas explicaciones.","private_publication":false,"abstract":"While recommender systems tell users what items they might like, explanations of recommendations reveal why they might like them. Explanations provide many benefits, from improving user satisfaction to helping users make better decisions. This paper introduces tagsplanations, which are explanations based on community tags. Tagsplanations have two key components: tag relevance, the degree to which a tag describes an item, and tag preference, the user's sentiment toward a tag. We develop novel algorithms for estimating tag relevance and tag preference, and we conduct a user study exploring the roles of tag relevance and tag preference in promoting effective tagsplanations. We also examine which types of tags are most useful for tagsplanations.","bibtype":"article","author":"Vig, Jesse and Sen, Shilad and Riedl, John","journal":"Proceedings of the 14th international conference on Intelligent user interfaces","bibtex":"@article{\n title = {Tagsplanations : Explaining Recommendations Using Tags},\n type = {article},\n year = {2009},\n identifiers = {[object Object]},\n pages = {47-56},\n websites = {http://portal.acm.org/citation.cfm?id=1502650.1502661},\n id = {12dc6320-5438-38f9-b1e1-6a1108a21d0d},\n created = {2018-04-19T19:01:26.762Z},\n file_attached = {false},\n profile_id = {2ed0fe69-06a2-3e8b-9bc9-5bdb197f1120},\n group_id = {e795dbfa-5576-3499-9c01-6574f19bf7aa},\n last_modified = {2018-12-14T12:16:31.623Z},\n read = {true},\n starred = {false},\n authored = {false},\n confirmed = {true},\n hidden = {false},\n citation_key = {Vig2009},\n notes = {El paper introduce un nuevo método de explicación de recomendaciones tagsplanation, que se basa en tags, que identifican la relación entre un usuario y un tag y entre el tag y el item recomendado. Las tagsplanations tienen dos componentes: la relevancia del tag (el grado en que el tag describe al item) y la preferencia del tag (el sentimiento del usuario con respecto al item).<br/><br/>La relevancia mide la correlación entre la preferencia por el item y la preferencia por el tag. También puede medir la popularidad del item recomendado.<br/>La preferencia mide el grado en el que el item le puede gustar al usuario. Se puede inferir preguntando al usuario o a través de sus acciones.<br/><br/>Los objetivos de estas explicaciones son: la justificación, la efectividad y la compatibilidad con el usuario.<br/><br/>Se han implementado tagsplanations para MovieLens y se han realizado un estudio con usuarios. Se han diseñado cuatro tipos de interfaces:<br/>-RelSort: muestra la relevancia como una barra de longitud variable, y la preferencia como un rating (con estrellas). Las tags están ordenadas por relevancia de mayor a menor.<br/>-PrefSort: Las tags están ordenadas por preferencia de mayor a menor.<br/>-RelOnly: Sólo se muestra la relevancia<br/>-PrefOnly: sólo se muestra la preferencia<br/><br/>Resultados:<br/>-En cuanto a justificación, la preferencia del tag es más importante que la relevancia, aunque los usuarios prefieren la ordenación por relevancia.<br/>-Con respecto a la efectividad, la preferencia y la relevancia tienen la misma importancia.<br/>-La relevancia juega un papel más importante en relación al modo de compatibilidad con el usuario.<br/>-Las tags subjetivas producen mejores resultados en los tres niveles, aunque los usuarios prefieren los basados en hechos. También prefieren los descriptivos, los de géneros o temas generales.<br/>-80% de los usuarios cree que RelSort consigue buenos resultados en los tres objetivos. El 85% cree que esta misma interfaz da buenas explicaciones.},\n private_publication = {false},\n abstract = {While recommender systems tell users what items they might like, explanations of recommendations reveal why they might like them. Explanations provide many benefits, from improving user satisfaction to helping users make better decisions. This paper introduces tagsplanations, which are explanations based on community tags. Tagsplanations have two key components: tag relevance, the degree to which a tag describes an item, and tag preference, the user's sentiment toward a tag. We develop novel algorithms for estimating tag relevance and tag preference, and we conduct a user study exploring the roles of tag relevance and tag preference in promoting effective tagsplanations. We also examine which types of tags are most useful for tagsplanations.},\n bibtype = {article},\n author = {Vig, Jesse and Sen, Shilad and Riedl, John},\n journal = {Proceedings of the 14th international conference on Intelligent user interfaces}\n}","author_short":["Vig, J.","Sen, S.","Riedl, J."],"urls":{"Website":"http://portal.acm.org/citation.cfm?id=1502650.1502661"},"bibbaseid":"vig-sen-riedl-tagsplanationsexplainingrecommendationsusingtags-2009","role":"author","downloads":0},"search_terms":["tagsplanations","explaining","recommendations","using","tags","vig","sen","riedl"],"keywords":[],"authorIDs":[]}