ExplainRec: Erklärbare Multi-Modal- Empfehlung ohne Trainingsdaten dank LLMs

Mit dem Aufkommen großer Sprachmodelle (LLMs) eröffnen sich neue Wege für Empfehlungssysteme. Bisherige Ansätze wie TALLRec stoßen jedoch bei Erklärbarkeit und Cold‑Start-Szenarien an ihre Grenzen. Das neue Framework ExplainRec erweitert die Möglichkeiten von LLM‑basierten Empfehlungen um vier zentrale Innovationen: Präferenz‑Attribution für nachvollziehbare Vorschläge, Zero‑Shot‑Transfer für neue Nutzer und Produkte, multimodale Fusion von Bild- und Textinhalten sowie eine Multi‑Task‑Optimierung.

In umfangreichen Tests auf den Datensätzen MovieLens‑25M und Amazon übertrifft ExplainRec bestehende Methoden deutlich. Die AUC‑Verbesserungen liegen bei 0,7 % für Filmauswahl und 0,9 % bei Cross‑Domain‑Aufgaben. Gleichzeitig liefert das System verständliche Erklärungen und bewältigt Cold‑Start‑Probleme effektiv.