MATRAG：説明可能なレコメンドのためのマルチエージェント・透明型検索強化生成

arXiv cs.AI / 2026/4/25

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、知識に根ざした説明生成を組み込むことで、LLMベースのレコメンドシステムの透明性と説明可能性を高めるマルチエージェント枠組みMATRAGを提案する。
MATRAGは、ユーザーモデリング、知識グラフからのアイテム特徴抽出、協調・コンテンツ双方の信号を統合する推論、取得した知識に基づく自然言語の正当化を生成する説明エージェントという4つの専門エージェントを用いる。
生成された説明が、取得した情報にどれだけ忠実かつ関連しているかを定量化する透明性スコアリング機構を導入している。
Amazon Reviews、MovieLens-1M、Yelpの3つのベンチマークで実験した結果、既存の有力ベースラインに対してHit Rateを12.7%、NDCGを15.3%改善し、最先端性能を達成した。
人手評価では、生成された説明の87.4%がドメイン専門家にとって「役に立ち信頼できる」と評価され、説明可能性の狙いが裏付けられている。

Abstract

大規模言語モデル（LLM）ベースのレコメンドシステムは、ユーザーの嗜好を理解し、パーソナライズされた提案を生成する点で目覚ましい能力を示してきました。しかし、既存の手法には、透明性、知識の根拠付け、そしてユーザーの信頼を促進するような首尾一貫した説明を提供する能力という、重大な課題があります。そこで本研究では、MATRAG（Multi-Agent Transparent Retrieval-Augmented Generation）を提案します。これは、多エージェントの協調と、知識グラフに拡張されたリトリーバルを組み合わせることで、説明可能なレコメンデーションを実現する新しい枠組みです。MATRAG は4つの専門エージェントを採用します。動的な嗜好プロファイルを構築するユーザーモデリングエージェント、知識グラフから意味的特徴を抽出するアイテム解析エージェント、協調フィルタリングとコンテンツベースの信号を統合する推論エージェント、そして取得した知識に根拠づけられた自然言語の正当化を生成する説明エージェントです。さらに本フレームワークには、説明の忠実性と関連性を定量化する透明性スコアリング機構を組み込みます。3つのベンチマークデータセット（Amazon Reviews、MovieLens-1M、Yelp）での大規模な実験の結果、MATRAG は最先端の性能を達成し、主要なベースラインに比べてレコメンド精度を Hit Rate で 12.7 % 、NDCG で 15.3 % 向上させることが示されました。また、人手評価では、生成された説明の 87.4 % が領域の専門家によって「役に立つ」かつ「信頼できる」と評価されたことが確認されています。本研究は、透明性のあるエージェント型レコメンデーションシステムに関する新たなベンチマークを確立するとともに、生産環境における LLM ベースのレコメンダーの導入に向けた実行可能な洞察を提供します。