ICMLJun, 2016
通过损失保留转换构建可解释推荐系统
Building an Interpretable Recommender via Loss-Preserving Transformation
Amit Dhurandhar, Sechan Oh, Marek Petrik
TL;DR提出了一种解释性推荐系统构建方法,用于个性化在线内容和促销活动推荐,通过数据转换,可将多类分类数据集转换为可与标准解释性多类分类算法一起使用的新数据集,其最小化标准误分类惩罚等价于最小化自定义成本函数。