提升基于图像的推荐系统可解释性的正 - 无标记学习
原文中文,约400字,阅读约需1分钟。发表于: 。基于图像的推荐系统解释性研究存在多种方法,其中利用用户上传的商品图像作为高效、可信赖的解释是一种有希望的选择。然而,现有模型对此假设过于天真,将其他用户上传的所有图像视为负面训练样本,与该方法的原理相悖。这项工作提出了一种新的解释器训练流程,通过利用正样本 - 无标签学习技术,为每个用户选择可信负样本的精细子集,采用了新颖的个性化、两步、基于相似性的正样本 -...
该研究提出了一种新的基于图像的推荐系统解释方法,通过正样本 - 无标签学习技术选择可信负样本的精细子集,证明了该方法可以提高推荐系统的解释性。