用于获得推荐解释的方法、设备和计算机可读介质技术

本公开提供了一种用于获得推荐解释的方法、设备和计算机可读介质。该方法包括：利用推荐模型生成推荐物品；计算该多个解释物品与推荐物品的近似程度；从该多个解释物品中获取预定数量的解释物品，该预定数量的解释物品与推荐物品的近似程度大于其他解释物品与推荐物品的近似程度，其中，预定数量的解释物品作为推荐物品的推荐解释；和输出该预定数量的解释物品的标识信息。物品的标识信息。物品的标识信息。

【技术实现步骤摘要】
用于获得推荐解释的方法、设备和计算机可读介质


[0001]本公开涉及推荐解释
，特别涉及一种用于获得推荐解释的方法、设备和计算机可读介质。

技术介绍

[0002]推荐需要可解释是业界对推荐的新要求，也是技术发展的大趋势。推荐系统的可解释性研究致力于找到能够让用户主观上满意的推荐介绍。由于用户满意度是一个主观的概念，目前的推荐系统对于生成的解释的评估方式主要依赖于用户调研，一般比较昂贵，耗时也比较长。因此，推荐系统可解释性的评估和生成仍然需要进一步改进。

技术实现思路

[0003]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]根据本公开的一些实施例，提供了一种用于获得推荐解释的方法，包括：利用推荐模型生成推荐物品；计算多个解释物品与所述推荐物品的近似程度；从所述多个解释物品中获取预定数量的解释物品，所述预定数量的解释物品与所述推荐物品的近似程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于获得推荐解释的方法，包括：利用推荐模型生成推荐物品；计算多个解释物品与所述推荐物品的近似程度；从所述多个解释物品中获取预定数量的解释物品，所述预定数量的解释物品与所述推荐物品的近似程度大于其他解释物品与所述推荐物品的近似程度，其中，所述预定数量的解释物品作为所述推荐物品的推荐解释；和输出所述预定数量的解释物品的标识信息。2.根据权利要求1所述的方法，其中，计算所述多个解释物品与所述推荐物品的近似程度包括：利用反事实近似度表征所述多个解释物品与所述推荐物品的近似程度。3.根据权利要求2所述的方法，还包括：在计算所述多个解释物品与所述推荐物品的近似程度之前，从训练集合中删除所述多个解释物品的至少一部分，利用所述训练集合中剩余的物品训练所述推荐模型；计算每次训练过程中的推荐模型的损失函数值；和将损失函数值最小的推荐模型确定为训练后的推荐模型。4.根据权利要求3所述的方法，其中，利用反事实近似度表征所述多个解释物品与所述推荐物品的近似程度包括：利用所述训练后的推荐模型，计算所述多个解释物品与所述推荐物品的反事实近似度P
C
，其中，其中，i为推荐物品，I为推荐模型所在的系统中所有物品的集合，I\{i}为物品集合I中除了推荐物品i之外剩余的物品的集合，f(j；θ
′
)为利用推荐模型θ
′
计算的物品j的预测的推荐分数，f(i；θ
′
)为利用推荐模型θ
′
计算的物品i的预测的推荐分数，θ
′
为训练后的推荐模型。5.根据权利要求4所述的方法，其中，从所述多个解释物品中获取预定数量的解释物品包括：在所述解释物品的预定数量|E
u，i
|固定的情况下，遍历个解释物品的组合，计算与每个解释物品的组合对应的反事实近似度，并获得反事实近似度最大的解释物品的组合，其中，I
u
为用户u交互过的所有物品的集合，E
u，i
为用户交互过的部分物品的集合。6.根据权利要求3所述的方法，其中，计算所述多个解释物品与所述推荐物品的近似程度包括：从所述推荐模型获取所述多个解释物品的每一个的特征向量和所述推荐物品的特征向量；计算所述多个解释物品的每一个的特征向量与所述推荐物品的特征向量之间的欧式距离；从所述多个解释物品中选择固定数量的解释物品作为候选解释物品集合，所述候选解释物品集合中的解释物品的每一个的特征向量与所述推荐物品的特征向量之间的欧式距
离小于所述多个解释物品中除所述候选解释物品集合之外的其他解释物品的每一个的特征向量与所述推荐物品的特征向量之间的欧式距离；和利用所述训练后的推荐模型，计算所述候选解释物品集合中的解释物品与所述推荐物品的反事实近似度。7.根据权利要求6所述的方法，其中，从所述...

【专利技术属性】
技术研发人员：姚元舜，王崇，李航，
申请(专利权)人：脸萌有限公司，
类型：发明
国别省市：