论文部分内容阅读
针对智能信息推荐领域存在的推荐结果不透明、推荐模型不可读的问题,提出了基于连接图的推荐解释方法。首先,给出了解释方法的整体框架,包含映射模块、构建模块、排序模块和产生模块四个部分;然后,对每一个模块的具体运算步骤展开描述;最后,采集了20位用户对于20部电影的评分数据来进行解释方法的验证,分别收集用户在看到解释前后的反馈信息,进行推荐解释质量的定量评价。实验结果表明,基于连接图的推荐解释方法较好地提高了推荐结果和推荐模型的透明度、信任度,有助于带来更好的人机交互体验。