-
题名基于可解释嵌入学习的推荐系统
- 1
-
-
作者
李雅静
卢香葵
刘林
邬俊
-
机构
国家开放大学数字化学习技术集成与应用教育部工程研究中心
-
出处
《南京大学学报(自然科学版)》
2025年第4期660-671,共12页
-
基金
数字化学习技术集成与应用教育部工程研究中心创新基金重点项目(1321004)
北京市自然科学基金(L232033)
-
文摘
隐因子模型旨在从历史行为数据中学习用户和商品的“隐式”嵌入,是构建现代推荐系统的核心技术.然而,“隐式”嵌入缺乏可解释性,极大地限制了推荐系统的可信度.鉴于此,提出一种基于提示集成的嵌入可解释评论感知评分回归方法(Prompt Ensemble-based Explainable Embedding for Review-aware Rating Regression,PE3R3).该方法联合利用文本评论和数值评分数据,旨在学习具有明确语义的“显式”嵌入,从而增强推荐结果的可解释性.首先,PE3R3借助预训练语言模型及多样化提示模板,从评论文本中提炼出具有显式语义的元码本;然后,以数值评分为监督信号,通过残差量化机制将用户和商品表征为多个元码的线性组合,从而获得富有语义的“显式”嵌入,使推荐结果具备可解释性. PE3R3具有“即插即用”的特点,可以与现有评分回归模型无缝集成.实验结果表明,结合PE3R3模型的预测精度实现了5%的平均性能提升和16%的最大性能提升;在可解释性方面,定量分析和定性分析均表明,PE3R3的引入显著提升了推荐结果的可解释性.
-
关键词
可解释推荐
隐因子模型
提示学习
评论感知评分回归
向量量化
-
Keywords
explainable recommendation
latent factor model
prompt learning
review-aware rating regression
vector quantization
-
分类号
TP181
[自动化与计算机技术]
-
