Beyond Recommendations: Sequential Recommendation with Collaborative Explanation

doi:10.1145/3731458

Beyond Recommendations: Sequential Recommendation with Collaborative Explanation

2026-03-01

1

PRE

AI

DOI：10.1145/3731458

原文求助

摘要

En 中文

可解释性是推荐系统中的一个关键挑战，近年来已引起广泛关注。学习为推荐结果排序解释，允许在推荐项目旁提供排名靠前的理由，受益于统一的建模过程和标准评估指标的使用。然而，现有方法存在两个主要局限性。首先，添加解释维度加剧了数据稀疏性，使得传统的张量重构目标效果减弱。其次，训练过程中解释的优化与推理时提供基于交互的解释之间存在差异。在本文中，我们提出了序列推荐与协同解释（SCE）框架，该框架通过专门设计的训练目标来建模用户序列模式，以解决数据稀疏性问题，并更好地使推荐与解释目标保持一致。为了增强排名解释的事实准确性，我们将属性信息作为外部知识整合到解释中。我们的SCE框架提供了卓越的模型无关灵活性，无缝支持任意序列模型（如GRU4Rec、SASRec等），以提供准确的推荐及其相关解释。通过整合互信息和属性增强，我们的方法在推荐和解释性能上均实现了显著提升。我们在来自不同平台的三个人工数据集上进行的大量实验证明了我们方法的有效性，在推荐和解释性能上均显著优于现有最先进方法。

Keyword:

Explainable recommender system

explanation ranking

sequential recommendation

Beyond Recommendations: Sequential Recommendation with Collaborative Explanation

摘要

期刊

机构

引用论文