作者:十方
当我们在做推荐系统模型时,有考虑过模型推荐结果的可解释性吗?...比方说推荐系统给用户推荐了item A,并在推荐结果后标明该用户最要好的朋友喜欢item A,或者和该用户有着相似兴趣(协同过滤)的人喜欢A,这使得推荐结果非常透明且具有说服力,能够提升用户的接受度.这篇论文....这篇论文就是探讨如何使用用户在可解释推荐结果的反馈.主要有以下两个问题:
反馈:如何引导用户在可解释性的推荐结果上做反馈,而不给用户增加负担?...向量表示物品i的特征,vij的向量表示两物品的几何平均.然后我们就可以为这样的假节点使用cos相似度寻找k近邻.最终我们就要优化下式:
生成推荐结果:该文使用了RECWALK,一个基于随机游走的方法,该模型的输入是一个异质图...,item之间相似度用矩阵S显示表达:
为了包含用户反馈Fu,式(2)引入了用户向量矩阵wu,式(2)中的g将item的统一向量表达转变成了用户表达:
代入到式(2)就是:
最终我们的推荐模型如下:
从实验看