关键词explainable recommender systems
搜索结果 - 7
- XRec: 可解释的推荐系统的大型语言模型
这项研究介绍了一种名为 XRec 的模型无关框架,利用大型语言模型(LLMs)的语言能力推动可解释的推荐系统的发展,该框架通过集成协作信号和设计轻量级的协作适配器使 LLMs 能够理解用户和物品之间的复杂模式并更深入地了解用户的偏好,全面且 - 稳健可解释推荐
提出了一个能够在外部攻击下保持鲁棒性和提供一般性解释的特征感知可解释推荐系统的通用框架,通过在三个不断增大的流行电子商务数据集上对两个架构不同的基于特征的最先进可解释算法进行训练,实验证明了该框架在正常和嘈杂环境下全局解释能力的整体提升,展 - 通过反事实回顾和预测解释实现用户可控的推荐
我们提出了一个用户可控的推荐系统,通过整合可解释性和可控性,通过提供回顾性和预测性的解释,用户可以与这些解释进行交互以自定义对系统的控制。实验证明,我们的框架在 MovieLens 和 Yelp 数据集上具有有效性,并且提供用户控制选项可以 - 一个可解释的科学文献推荐系统中不同细节层次的交互式解释
通过用户中心、交互式的多级解释模型,提供不同层次的解释,让用户可以根据需求和偏好自定义解释,研究表明这种方法可以提高透明度、信任感、满意度和用户体验。
- 几何信息瓶颈解释型推荐系统
该研究提出了一种基于几何先验知识和变分网络的可解释推荐系统,通过从用户 - 项目交互中学习潜在因子,并结合注意力机制从评论中提取重要文本片段来生成推荐解释,优化了推荐结果可解释性,同时在推荐效果上与基于内容的推荐系统相当。
- 更多是否总是更好的?个人特征和细节水平对推荐系统解释感知的影响
本文旨在研究一种从 “一刀切” 的解释推荐过渡到个性化解释推荐的新方法,通过开发一个透明的基于个人兴趣模型的应用程序,提供可按需定制的解释,以满足不同类型终端用户的需求。研究表明,不同目标解释和用户类型对于不同级别的详细解释的阐释推荐系统的 - 可解释性推荐的解释排名数据集
本文提供了三个基准数据集 (EXtra) 进行评估,使用排名导向的度量来衡量可解释性。 为了解决数据集构建中遇到的难题,提供了从用户评论中识别相似句子的解决方法和基于局部敏感哈希的子线性时间近似检测方法,可供社区的研究者共同研究。