Tsetlin 机与深度神经网络在推荐系统中的比较
人工智能
2023-09-12 v1 信息检索
摘要
推荐系统(RSs)在现代社会中无处不在,是人类与人工智能之间最大的交互点之一。现代推荐系统常使用深度学习模型实现,而这类模型 notoriously 难以解释。在推荐场景下该问题尤为严重,因为它削弱了用户对推荐系统的信任。相比之下,新近提出的 Tsetlin 机(TM)因其固有的可解释性而具备一些宝贵特性。TM 作为一项技术仍相当年轻。由于此前尚未有基于 TM 的推荐系统,有必要针对此类系统的实用性开展初步研究。本文开发了首个基于 TM 的推荐系统,以评估其在该应用领域的实用性。本文比较了 TM 与推荐系统领域中其他主流机器学习模型的可行性。我们训练并考察了 TM 与朴素前馈深度学习模型的性能表现。这些比较基于模型性能、可解释性/可说明性以及可扩展性。此外,我们提供了与推荐系统相关的类似机器学习方案的若干基准性能比较。
引用
@article{arxiv.2212.10136,
title = {A Comparison Between Tsetlin Machines and Deep Neural Networks in the Context of Recommendation Systems},
author = {Karl Audun Borgersen and Morten Goodwin and Jivitesh Sharma},
journal= {arXiv preprint arXiv:2212.10136},
year = {2023}
}
备注
Accepted to NLDL 2023