【技术实现步骤摘要】
本专利技术属于路径推理领域，尤其涉及一种基于因果推理的可解释推荐方法和系统。
技术介绍
1、目前整个社会处于网络化时代的快速发展之中，互联网空间中各种应用的不断出现，导致了数据规模的爆炸式增长。大数据既具有巨大的潜力和丰富的价值，会对人类社会的发展产生革命性的影响；但是大数据也带来了严重的“信息过载”问题。推荐系统，作为一种解决“信息过载”问题的有效方法，已经成为学术界和工业界的关注热点并得到了广泛应用，形成了众多相关研究成果。现有的推荐系统主要基于协同过滤、内容过滤和混合过滤方法。协同过滤依赖用户和项目的交互数据，内容过滤使用项目的特征数据，而混合方法结合了这两者的优点。
2、随着深度学习技术的兴起，人工神经网络技术被广泛用于各个。它不仅应用于辅助处理特征，后来逐渐成为推荐系统的重要组成部分。随着深度学习的迅猛发展，神经网络越来越深，参数量越来越大，人类无法理解深度神经网络模型的决策原理，模型成为了一个“黑箱”。它不仅加剧了推荐系统本身的偏差问题，更是存在一定的不可解释性。而因果推理是统计学中的常用手段，近年来被引入推荐系...
【技术保护点】
1.一种基于因果推理的可解释推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤S1中，倾向得分匹配的方法包括：
3.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤S2中，所述在DBPedia与Freebase两个知识图谱上分别使用所述电影数据集、去偏后的电影数据集和音乐数据集训练TransE模型的方法包括：
4.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤S3中，应用训练好的策略-价值网络进行路径推理的方
【技术特征摘要】
1.一种基于因果推理的可解释推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤s1中，倾向得分匹配的方法包括：
3.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤s2中，所述在dbpedia与freebase两个知识图谱上分别使用所述电影数据集、去偏后的电影数据集和音乐数据集训练transe模型的方法包括：
4.根据权利要求1所述的一种基于因果推理的可解释推荐方法，其特征在于，在所述步骤s3中，应用训练好的策略-价值网络进行路径推理的方法包括：
5.一种用于基于因果推理的可解释推荐系统，其特征在于，所述系统包括：
6.根据权利要求5所述的一种基于因果推理的可解释推荐系统，其特征在于，所述倾向得分匹配...
【专利技术属性】
技术研发人员：朱歆华，
申请(专利权)人：北京绿能碳宝科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。