时序推荐的解释方法
人工智能
2018-07-18 v1 人机交互
信息检索
机器学习
摘要
推荐系统是人工智能（AI）的重要组成部分，并且在 AI 商业化不断发展的时代变得越来越重要。用于推荐系统（RS）的深度学习（DL）技术提供了强大的隐特征模型以实现有效推荐，但存在不可解释这一主要缺点。在本文中，我们描述了一种在 DL 模型中实现可解释时序推荐的框架。我们考虑一种基于 LSTM 的循环神经网络（RNN）架构用于推荐，以及一种基于邻域的方案用于在模型中生成解释。我们通过在 Netflix 数据集上的实验，联合优化预测准确率和可解释性，证明了我们方法的有效性。
引用
@article{arxiv.1807.06161,
title = {Explanations for Temporal Recommendations},
author = {Homanga Bharadhwaj and Shruti Joshi},
journal= {arXiv preprint arXiv:1807.06161},
year = {2018}
}
备注
Accepted at the XAI Workshop in IJCAI/ECAI 2018