본 논문은 사용자 업로드 이미지 기반의 추천 시스템(RS) 설명 가능성 향상을 위한 연구를 다룬다. 기존 접근 방식은 희소하고 레이블 노이즈가 심한 저품질 훈련 데이터를 사용하는 한계를 지닌다. 본 연구는 책임있는 AI 원칙에 부합하는 효과적이고 지속 가능한 훈련 데이터 강화 전략을 제시하고자, 세 가지 새로운 전략을 개발한다. 첫째, Positive-unlabelled Learning을 이용한 신뢰할 수 있는 음성 훈련 예시 선택, 둘째, 변환 기반 데이터 증강, 셋째, 텍스트-이미지 생성 기반 데이터 증강 전략이다. 이러한 전략들을 세 가지 최첨단 설명 가능성 모델에 통합하여 실제 레스토랑 추천 설명 데이터셋에서 관련 순위 지표의 성능을 5% 향상시켰으며, 장기적인 지속 가능성에도 악영향을 미치지 않았음을 보였다.
