可解釋推薦系統總結

1. 摘要 2. 解釋的形式 2.1 基於用戶和物品的解釋 2.2 基於內容的解釋 2.3 文本解釋 2.4 視覺解釋 2.5 社交解釋 2.6 混合解釋 3. 可解釋推薦系統模型 3.1 矩陣分解模型 3.1.1 隱因子模型(LFM) 3.1.2 顯因子模型 3.1.3 其他 3.2 主題模型 3.3 深度學習模型 3.4 知識圖譜 3.5 數據挖掘 4. 可解釋推薦系統的評估 4.1 推薦性能

>>阅读原文<<