.png){kind=icon}
返回
Joint embedding-classifier learning for interpretable collaborative filtering
.png){kind=icon}
OA
AI
DOI：10.1186/s12859-024-06026-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景可解释性是推荐系统中的一个热门问题，尤其是在医疗保健应用中。可解释的分类器以非歧义的方式量化每个输入特征对于预测的项-用户关联的重要性。
结果我们引入了一种新颖的联合嵌入学习-分类器（JELI），用于提高可解释性。通过结合结构化协同过滤分类器的训练和嵌入学习任务，JELI基于联合学习的项和用户嵌入来预测新的用户-项关联，同时提供特征重要性得分。因此，JELI灵活地允许引入关于用户、项和特征之间连接的先验信息。具体而言，JELI同时（a）学习特征、项和用户嵌入；（b）预测新的项-用户关联；（c）提供每个特征的重要性得分。此外，JELI通过编码通用的图正则化约束，实现了一种通用的推荐系统训练方法。
结论首先，我们表明联合训练方法提高了下游分类器的预测能力。其次，JELI能够恢复特征关联依赖关系。最后，与合成数据和药物重定位数据集中的基线相比，JELI减少了参数数量。
Keyword:
Drug repurposing
Interpretability
Gene expression
Collaborative filtering
期刊
IF:
3.3
论文数:
666
被引数:
5.2W
机构
引用论文
Tryptophan: Its Metabolism along the Kynurenine, Serotonin, and Indole Pathway in Malignant MelanomaOAAI
OAAI分享收藏"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏WebGestalt 2024: faster gene set analysis and new support for metabolomics and multi-omicsWebGestalt 2024: 更快的基因集分析和对代谢组学和多组学的新支持NUCLEIC ACIDS RESEARCH
OAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Deep-LIFT: Deep Label-Specific Feature Learning for Image AnnotationDeep-LIFT: 用于图像标注的深度标签特定特征学习
PREAI
分享收藏DrugBank 6.0: the DrugBank Knowledgebase for 2024DrugBank 6.0: 2024的DrugBank知识库NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏
查看更多内容