可解释的时尚推荐：一种语义属性区域引导方法
信息检索
2019-06-28 v2
摘要
在时尚推荐系统中，每个产品通常由多个语义属性（如袖子、衣领等）组成。人们在做服装决策时，通常表现出对不同语义属性（如带有 V 领衣领的衣服）的偏好。然而，大多数先前的时尚推荐模型以全局内容表示理解服装图像，缺乏对用户语义偏好的细致理解，这通常导致较差的推荐性能。为弥补这一差距，我们提出了一种新颖的语义属性可解释推荐系统（SAERS）。具体而言，我们首先引入一个细粒度可解释的语义空间。然后我们开发了语义提取网络（SEN）和细粒度偏好注意力（FPA）模块，分别将用户和物品投影到该空间中。借助 SAERS，我们不仅能够为用户提供服装推荐，还能通过直观的视觉属性语义高亮以个性化方式解释推荐该服装的原因。在真实世界数据集上进行的大量实验清楚地证明了我们的方法相较于最先进方法的有效性。
引用
@article{arxiv.1905.12862,
title = {Explainable Fashion Recommendation: A Semantic Attribute Region Guided Approach},
author = {Min Hou and Le Wu and Enhong Chen and Zhi Li and Vincent W. Zheng and Qi Liu},
journal= {arXiv preprint arXiv:1905.12862},
year = {2019}
}
备注
Accepted to IJCAI2019