可解释图推荐系统综述

文章预览

推荐系统的可解释性已成为确保用户信任和满意度的关键。各种类型的可解释推荐系统已被提出，包括可解释的基于图的推荐系统。本文综述了这些系统的最新方法，并根据三个方面对其进行了分类：学习方法、解释方法和解释类型。本文还探讨了常用的数据集、可解释性评估方法以及该研究领域的未来方向。与现有的综述论文相比，本文侧重于基于图的可解释性，并涵盖了开发新型可解释的基于图的推荐系统所需的主题。 由于在线信息的指数级增长，用户通常会被大量的选择所淹没 。为了应对信息过载问题，推荐系统成为了建议可能符合用户个人兴趣的信息（项目）的重要工具。在推荐系统的早期，大多数系统都是作为黑箱系统开发的，这意味着其内部机制或决策过程并不透明或易于解释。然而，最近的研究揭示了使用不透明的推荐系统可能 ………………………………