面向可解释推荐的层次化方面引导解释生成
计算与语言
2021-10-26 v2
摘要
可解释推荐系统为推荐结果提供解释，以提升其透明度和说服力。现有的可解释推荐方法生成文本解释时，未显式考虑用户对于物品不同方面的偏好。本文提出一种新颖的解释生成框架，称为层次化方面引导解释生成（HAG），用于可解释推荐。具体而言，HAG 采用基于评论的句法图来提供用户/物品细节的统一视图。提出一种方面引导的图池化算子，从基于评论的句法图中提取方面相关信息，以在方面层面建模用户对物品的偏好。随后，开发了一种层次化解释解码器，基于注意力机制生成方面及方面相关解释。在三个真实数据集上的实验结果表明，HAG 在单方面和多方面解释生成任务上均优于最先进的解释生成方法，并且取得了与强基线方法相当甚至更优的偏好预测精度。
引用
@article{arxiv.2110.10358,
title = {Hierarchical Aspect-guided Explanation Generation for Explainable Recommendation},
author = {Yidan Hu and Yong Liu and Chunyan Miao and Gongqi Lin and Yuan Miao},
journal= {arXiv preprint arXiv:2110.10358},
year = {2021}
}