概述
一、基本信息
论文题目：《Explanation Mining: Post Hoc Interpretability of Latent Factor Models for Recommendation System》
发表时间：KDD 2018
论文作者及单位：
Georgina Peake Channel 4 Television, London, United Kingdom
Jun Wang University College London, London, United Kingdom
论文地址：https://dl.acm.org/citation.cfm?id=3220072
二、摘要
广泛使用机器学习算法来驱动决策，强调了确保此类模型的可解释性以在其输出中产生信任的关键重要性。最先进的推荐系统使用黑盒潜在因素模型，这些模型无法解释为什么要提出推荐，因为它们将决策过程抽象到了一个超出人类直接理解的高维潜在空间。我们提出了一种从潜
最后
以上就是冷艳夏天为你收集整理的论文笔记：Explanation Mining: Post Hoc Interpretability of Latent Factor Models for Recommendation System一、基本信息二、摘要三、论文主要内容与工作四、将来可以做的工作的全部内容，希望文章能够帮你解决论文笔记：Explanation Mining: Post Hoc Interpretability of Latent Factor Models for Recommendation System一、基本信息二、摘要三、论文主要内容与工作四、将来可以做的工作所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复