用于可解释推荐的逐层相关性传播
机器学习
2018-07-18 v1 计算机视觉与模式识别
信息检索
多媒体
机器学习
摘要
在本文中，我们通过利用逐层相关性传播技术，解决基于深度学习的推荐模型中的解释问题。我们使用深度卷积神经网络从输入图像中提取相关特征，随后在特征空间中识别图像之间的相似性。模型识别图像之间的关系，并利用逐层相关性传播推断可能对模型决策产生显著影响的图像的像素级细节。我们在 Amazon 产品数据集上评估了我们的方法，并证明了我们方法的有效性。
引用
@article{arxiv.1807.06160,
title = {Layer-wise Relevance Propagation for Explainable Recommendations},
author = {Homanga Bharadhwaj},
journal= {arXiv preprint arXiv:1807.06160},
year = {2018}
}
备注
Accepted in Proceedings of the EARS Workshop at SIGIR 2018