LIME-RS 推荐解释中的一致性与稳定性
信息检索
2021-10-11 v3
摘要
由于可解释人工智能的重新兴起，可解释推荐吸引了大量关注。特别是，基于后处理（post-hoc）的方法已被证明是最易应用于日益复杂的推荐模型的，这些模型随后被视为黑箱。最新文献表明，对于基于局部代理模型的后处理解释，存在与该算法本身鲁棒性相关的问题。这一考量在如推荐这类与人相关的任务中变得更为关键。解释还承担着增强透明度或可信度等日益重要的用户体验方面的艰巨任务。本文旨在揭示，一种经典的基于代理的后处理模型的特征具有强烈的模型依赖性，且无法对生成的解释负责。
引用
@article{arxiv.2109.00818,
title = {Adherence and Constancy in LIME-RS Explanations for Recommendation},
author = {Vito Walter Anelli and Alejandro Bellogín and Tommaso Di Noia and Francesco Maria Donini and Vincenzo Paparella and Claudio Pomo},
journal= {arXiv preprint arXiv:2109.00818},
year = {2021}
}
备注
accepted at KaRS Workshop @RecSys 2021