-
题名基于可解释图神经网络的可视推荐分析系统
- 1
-
-
作者
汤颖
周元博
孙国道
-
机构
浙江工业大学计算机科学与技术学院
-
出处
《计算机辅助设计与图形学学报》
北大核心
2025年第4期697-712,共16页
-
基金
国家自然科学基金(61972355, 72192820)
浙江省自然科学基金(LZ23F020010)。
-
文摘
针对推荐系统中图神经网络的可解释性进行研究,从可解释模型出发,将推荐问题转换为图分类问题,利用可解释图神经网络对推荐系统进行解释,突破了以往推荐中解释多为实例级的情况,从实例级和组群级出发,探索推荐场景下的多粒度解释.另外,为了增强对解释模型提取的图模式的理解,设计了可视分析系统,以更好地理解图模式和模型解释过程,从单用户、用户群和多个用户群3个层级展开探索,便于分析人员探索图神经网络的推荐模式,从而对解释的可靠性进行验证.最后,在豆瓣电影数据集和Last-FM这2个真实数据集上应用图模式改进调整训练集,对比实验中推荐评估指标都得到了提升,从定量角度进一步证明了解释的可靠性和系统的有效性.
-
关键词
可解释图神经网络
推荐系统
可视分析
可解释性
-
Keywords
interpretable graph neural network
recommendation system
visual analysis
interpretability
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
