SIGIRJun, 2019
FacT: 使用分解树控制潜在因素模型以提高可解释性
The FacT: Taming Latent Factor Models for Explainability with Factorization Trees
Yiyi Tao, Yiling Jia, Nan Wang, Hongning Wang
TL;DR本文使用回归树辅助学习潜在因子模型,针对用户和物品分别构建回归树,并将每个节点上的潜在因子作为用户和物品的表示。通过跟踪每个因子在回归树上的路径,提供生成推荐结果的解释。实验证明该模型的实用性与竞争基准算法相比优越性。