.png){kind=icon}
返回
Explaining Recommender Systems' Performance via User Behaviour Patterns
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-11442-6_3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统被广泛应用于数字零售平台，各利益相关方日益要求对其可靠运行的“如何”和“何时”实现透明化。我们引入PS4XRS（可解释推荐系统的部分解决方案），作为一项新型的XAI（可解释人工智能）工具。方法：利用用户交互数据和模型性能数据集，我们可以生成如下形式的解释：“当用户与至少3个这些物品组中的物品交互时，我们预期模型性能为……”。这些解释通过多目标进化算法获得，其目标基于可解释性、性能以及从深度推荐系统中派生的物品潜在表示的知识。我们进行了实验以确定进化过程的最有效参数，并评估了解释复杂性与利益相关方可用性之间的权衡。本工作的源代码可在https://github.com/Giancarlo-Catalano/PSSearch找到。
Keyword:
Partial Solutions
Recommender Systems
eXplainable Artificial Intelligence
Genetic Algorithms
期刊
A
IF:
0
论文数:
38
被引数:
0
机构
引用论文
Explanation Mining.png)
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
PREAI
分享收藏 没有更多内容
没有更多内容