Buzcu, Berk2024-08-302024-08-30https://discover.ozyegin.edu.tr/iii/encore/record/C__Rb7038414https://hdl.handle.net/10679/10269https://tez.yok.gov.tr/As more and more recommendation systems are used in different areas and they are exposed to more ethical concerns, there is a growing demand for transparent and persuasive interactions with these systems. Toward this end, incorporating explainability in recommendation systems has emerged as a promising approach to enhance sociability and user trust. This thesis focuses on recommendation systems that utilize explainability techniques to foster sociability by providing precise and understandable explanations for their recommendations. The proposed recommendation system utilizes a combination of data-driven transparent mechanisms and human-agent negotiation approaches. The system generates personalized recommendations based on individual preferences and other similar user-tailored factors and engages in a negotiation with the users via discussions through explanations and real-time feedback mechanisms. The system reacts to user responses online, tailoring subsequent recommendations and explanations to convince the user. This thesis encompasses Nutrition Virtual Coach (NVC) agents that generate personalized food recommendations based on individual factors like allergies, eating habits, lifestyles, and ingredient preferences. It mainly focuses on explanation generation techniques to enhance the transparency and trustworthiness of the system by improving the NVC agent's sociability in multiple steps. Ultimately, we incrementally conducted multiple experiments with participants from various backgrounds to evaluate the acceptability and effectiveness of the system. The findings from the experiments generally indicate that most participants appreciate the opportunity to provide feedback and receive explanations for the given recommendations. The participants prefer receiving information tailored to their specific needs and expectations. Additionally, the participants expressed their thoughts on various forms of explanations. The findings indicate that comparative explanations are not appreciated as much as informative explanations. The users seem to prefer direct and simple explanations that explain items respectively.Farklı sektörlerde giderek artan öneri sistemlerinin kullanımıyla ve yükselen etik kaygılarla birlikte, bu sistemlerle etkileşimde bulunurken artan bir şeffaflık ve açıklayıcılık ihtiyacı bulunmaktadır. Bu nedenle, yapay zekanın açıklanabilirliği, öneri sistemlerine entegre edilerek, etkileşimi teşvik etme ve kullanıcı güvenini artırma amacıyla umut verici bir yaklaşım olarak öne çıkmıştır. Bu tez, açıklanabilirlik tekniklerini kullanarak öneri sistemlerinde sosyal etkileşimleri teşvik etmeye odaklanmaktadır. Tasarlanan öneri sistemi, şeffaf veri tabanı mekanizmaları ve insan-merkezli müzakere yaklaşımlarının bir kombinasyonunu kullanmaktadır. Bu sistem, bireysel tercihler ve benzeri kişiselleştirilmiş faktörlere dayalı olarak kişiye özel öneriler sunmakta ve açıklamalar ile gerçek zamanlı geri bildirim mekanizmaları aracılığıyla kullanıcılarla müzakere etmektedir. Sistem, kullanıcıların çevrimiçi yanıtlarına tepki vererek sonraki önerileri ve açıklamaları, kullanıcıları ikna edecek şekilde uyarlamaktadır. Bu tez, yiyecek alerjileri, yeme alışkanlıkları, yaşam tarzları ve yemek içeriği tercihleri gibi kişisel faktörlere dayalı olarak kişiselleştirilmiş gıda önerileri sunan Sanal Beslenme Koç'larını ele almaktadır. Temel olarak, Sanal Beslenme Koç'unun şeffaflığını ve güvenilirliğini artırmak amacıyla sistemin etkileşimini birden fazla adımda geliştirmeye yönelik açıklama uyarlama tekniklerine odaklanmaktadır. Sonuç olarak, sistem kabul edilebilirliğini ve etkililiğini değerlendirmek için farklı geçmişe sahip katılımcılarla aşamalı olarak çok sayıda deney gerçekleştirmiştir. Deneylerden elde edilen sonuçlar genel olarak katılımcıların geri bildirim sağlama ve verilen önerilere ilişkin açıklamalar alma fırsatını takdir ettiğini göstermektedir. Katılımcılar, kendi özel ihtiyaçları ve beklentilerine uygun bilgi almayı tercih etmektedirler. Ayrıca, katılımcılar çeşitli açıklamalarla ilgili düşüncelerini dile getirmişlerdir. Bulgular, karşılaştırmalı nitelikteki açıklamaların bilgilendirici nitelikteki açıklamalara göre tercih edilmediğini göstermektedir. Kullanıcıların, önerileri neden seçildiğini direk olarak belirten, doğrudan ve basit açıklamaları tercih ettikleri görülmektedir.enginfo:eu-repo/semantics/restrictedAccessMaster's thesisAydoğan, ReyhanRecommender systems (Information filtering)Interactive computer systemsIntelligent agents (Computer software)Human-robot interactionArtificial intelligenceComputer engineering7038414