Buchumschlag

A Counterfactual Explanation Framework for Retrieval Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chandna, Bhavik, Sen, Procheta
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive Retrieval-Augmented Generation for Conversational Systems
von: Wang, Xi, et al.
Veröffentlicht: (2024)

Dissecting Bias in LLMs: A Mechanistic Interpretability Perspective
von: Chandna, Bhavik, et al.
Veröffentlicht: (2025)

Counterfactual Editing for Search Result Explanation
von: Xu, Zhichao, et al.
Veröffentlicht: (2023)

Mitigating Popularity Bias in Counterfactual Explanations using Large Language Models
von: Hasami, Arjan, et al.
Veröffentlicht: (2025)

Plausible Counterfactual Explanations of Recommendations
von: Černý, Jakub, et al.
Veröffentlicht: (2025)

TRACE: A Conversational Framework for Sustainable Tourism Recommendation with Agentic Counterfactual Explanations
von: Banerjee, Ashmi, et al.
Veröffentlicht: (2026)

Demystifying Sequential Recommendations: Counterfactual Explanations via Genetic Algorithms
von: Scarcelli, Domiziano, et al.
Veröffentlicht: (2025)

GNNUERS: Fairness Explanation in GNNs for Recommendation via Counterfactual Reasoning
von: Medda, Giacomo, et al.
Veröffentlicht: (2023)

Comparative Explanations via Counterfactual Reasoning in Recommendations
von: Yu, Yi, et al.
Veröffentlicht: (2025)

Discovering Biases in Information Retrieval Models Using Relevance Thesaurus as Global Explanation
von: Kim, Youngwoo, et al.
Veröffentlicht: (2024)

Retrieval-Augmented Recommendation Explanation Generation with Hierarchical Aggregation
von: Sun, Bangcheng, et al.
Veröffentlicht: (2025)

Retrieval-in-the-Chain: Bootstrapping Large Language Models for Generative Retrieval
von: Zhang, Yingchen, et al.
Veröffentlicht: (2025)

LLMs as Sparse Retrievers:A Framework for First-Stage Product Search
von: Song, Hongru, et al.
Veröffentlicht: (2025)

Generating with Fairness: A Modality-Diffused Counterfactual Framework for Incomplete Multimodal Recommendations
von: Li, Jin, et al.
Veröffentlicht: (2025)

From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Counterfactual Understanding via Retrieval-aware Multimodal Modeling for Time-to-Event Survival Prediction
von: Nguyen, Ha-Anh Hoang, et al.
Veröffentlicht: (2026)

CIRR: Causal-Invariant Retrieval-Augmented Recommendation with Faithful Explanations under Distribution Shift
von: Sun, Sebastian
Veröffentlicht: (2025)

Logic Rules as Explanations for Legal Case Retrieval
von: Sun, Zhongxiang, et al.
Veröffentlicht: (2024)

A Hybrid Retrieval and Reranking Framework for Evidence-Grounded Retrieval-Augmented Generation
von: Irany, Fariba Afrin, et al.
Veröffentlicht: (2026)

A Generative Framework for Personalized Sticker Retrieval
von: Zhou, Changjiang, et al.
Veröffentlicht: (2025)

Context-augmented Retrieval: A Novel Framework for Fast Information Retrieval based Response Generation using Large Language Model
von: Ganesh, Sai, et al.
Veröffentlicht: (2024)

CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling
von: Fang, Minghui, et al.
Veröffentlicht: (2024)

An Evaluation Framework for Attributed Information Retrieval using Large Language Models
von: Djeddal, Hanane, et al.
Veröffentlicht: (2024)

Beyond Semantic Relevance: Counterfactual Risk Minimization for Robust Retrieval-Augmented Generation
von: Liu, Peiyang, et al.
Veröffentlicht: (2026)

Enhancing the Interpretability of Rule-based Explanations through Information Retrieval
von: Umbrico, Alessandro, et al.
Veröffentlicht: (2025)

Retrieval-GRPO: A Multi-Objective Reinforcement Learning Framework for Dense Retrieval in Taobao Search
von: Liu, Xingxian, et al.
Veröffentlicht: (2025)

Generating Search Explanations using Large Language Models
von: Laksito, Arif, et al.
Veröffentlicht: (2025)

Can Explanations Improve Recommendations? Evidence from Prediction-Informed Explanations
von: Wang, Yuyan, et al.
Veröffentlicht: (2025)

MechIR: A Mechanistic Interpretability Framework for Information Retrieval
von: Parry, Andrew, et al.
Veröffentlicht: (2025)

Enhancing Spectral Knowledge Interrogation: A Reliable Retrieval-Augmented Generative Framework on Large Language Models
von: Liang, Jiheng, et al.
Veröffentlicht: (2024)

RankingSHAP -- Listwise Feature Attribution Explanations for Ranking Models
von: Heuss, Maria, et al.
Veröffentlicht: (2024)

Towards End-to-End Model-Agnostic Explanations for RAG Systems
von: Sudhi, Viju, et al.
Veröffentlicht: (2025)

Towards Two-Stage Counterfactual Learning to Rank
von: Gupta, Shashank, et al.
Veröffentlicht: (2025)

DocMMIR: A Framework for Document Multi-modal Information Retrieval
von: Li, Zirui, et al.
Veröffentlicht: (2025)

Counterfactual Multi-task Learning for Delayed Conversion Modeling in E-commerce Sales Pre-Promotion
von: Song, Xin, et al.
Veröffentlicht: (2026)

Can Offline Metrics Measure Explanation Goals? A Comparative Survey Analysis of Offline Explanation Metrics in Recommender Systems
von: Zanon, André Levi, et al.
Veröffentlicht: (2023)

Counterfactual Query Rewriting to Use Historical Relevance Feedback
von: Keller, Jüri, et al.
Veröffentlicht: (2025)

Counterfactual Multi-player Bandits for Explainable Recommendation Diversification
von: Zhang, Yansen, et al.
Veröffentlicht: (2025)

SDR-CIR: Semantic Debias Retrieval Framework for Training-Free Zero-Shot Composed Image Retrieval
von: Sun, Yi, et al.
Veröffentlicht: (2026)

Benchmarking and Building Zero-Shot Hindi Retrieval Model with Hindi-BEIR and NLLB-E5
von: Acharya, Arkadeep, et al.
Veröffentlicht: (2024)