一种用于协同过滤推荐的可解释自编码器
信息检索
2020-01-14 v1 人工智能
机器学习
摘要
自编码器是深度学习架构的常见构建模块，主要用于表示学习。它们也已成功应用于协同过滤（Collaborative Filtering, CF）推荐系统以预测缺失评分。不幸的是，像所有黑盒机器学习模型一样，它们无法解释其输出。因此，尽管基于自编码器的推荐系统预测可能准确，但用户可能不清楚为何生成了某条推荐。在这项工作中，我们设计了一个使用自编码器模型的可解释推荐系统，其预测可使用基于邻域的解释风格进行解释。我们的初步工作可视为迈向基于自编码器的可解释深度学习架构的第一步。
引用
@article{arxiv.2001.04344,
title = {An Explainable Autoencoder For Collaborative Filtering Recommendation},
author = {Pegah Sagheb Haghighi and Olurotimi Seton and Olfa Nasraoui},
journal= {arXiv preprint arXiv:2001.04344},
year = {2020}
}
备注
5 pages, 6 figures