Abstract
コールドスタートのクロスドメイン推薦（CDR）システムは、ユーザーのソースドメインでの行動のみを用いてターゲットドメインにおける嗜好を予測するが、既存のCDRモデルは、あるいは不透明な埋め込みを写像するものか、事後的またはLLMが生成した根拠（ラショネール）に依存するものであり、監査が難しい。そこで本研究では、EviSnapという軽量なCDRフレームワークを導入する。この枠組みでは、証拠を引用した忠実な根拠によって予測が構築の段階で説明可能となっている。EviSnapは、LLMをオフラインで用いてノイズのあるレビューをコンパクトなファセットカードへ蒸留し、各ファセットに裏付けとなる文を逐語的に対応付ける。次に、ファセット埋め込みをクラスタリングして、ドメインに依存しない共通の概念バンクを誘導し、証拠に基づく重み付きプーリングにより、ユーザーが肯定する概念（user-positive）、否定する概念（user-negative）、およびアイテムが存在する概念（item-presence）の活性を計算する。単一の線形コンセプト対コンセプト写像がユーザーをドメイン間で転送し、線形のスコアリングヘッドが、概念ごとの加法的寄与を出力する。これにより、厳密なスコア分解と、引用された文に基づく反実仮想の「what-if」編集が可能になる。Amazon Reviewsデータセットに対して、Books、Movies、Music間で6種類の転送を行う実験では、EviSnapが強力な写像ベースラインおよびレビュー本文ベースラインを一貫して上回り、説明の忠実性に関する削除（deletion）および十分性（sufficiency）ベースのテストも通過する。
