公开(公告)号：CN116701773B

公开(公告)日：2023-11-10

申请号：CN202310975611.7

申请日：2023-08-04

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 马江虹 ,  王蓉

IPC: G06F16/9535 ,  G06N3/045 ,  G06N3/084 ,  G06F18/214 ,  G06F18/2431

Abstract: 本公开的实施例提供一种可解释推荐方法及用于可解释推荐的装置。可解释推荐方法包括：获取用户对项目的实际评价，每个实际评价包括实际评分和可解释评价标签中的至少一者；使用实际评价来训练第一和第二深度学习模型以使得第一深度学习模型能够预测用户对项目的第一偏好得分及第二深度学习模型能够预测单个用户和单个项目构成的二元组对可解释评价标签的第二偏好得分；通过第一深度学习模型预测目标用户对项目的第一偏好得分；根据第一偏好得分选择针对目标用户的推荐项目；通过第二深度学习模型预测目标用户和每个推荐项目构成的二元组对可解释评价标签的第二偏好得分；根据第二偏好得分选择可解释评价标签作为向目标用户推荐推荐项目的解释。

公开(公告)号：CN116701773A

公开(公告)日：2023-09-05

申请号：CN202310975611.7

申请日：2023-08-04

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 马江虹 ,  王蓉

IPC: G06F16/9535 ,  G06N3/045 ,  G06N3/084 ,  G06F18/214 ,  G06F18/2431

Abstract: 本公开的实施例提供一种可解释推荐方法及用于可解释推荐的装置。可解释推荐方法包括：获取用户对项目的实际评价，每个实际评价包括实际评分和可解释评价标签中的至少一者；使用实际评价来训练第一和第二深度学习模型以使得第一深度学习模型能够预测用户对项目的第一偏好得分及第二深度学习模型能够预测单个用户和单个项目构成的二元组对可解释评价标签的第二偏好得分；通过第一深度学习模型预测目标用户对项目的第一偏好得分；根据第一偏好得分选择针对目标用户的推荐项目；通过第二深度学习模型预测目标用户和每个推荐项目构成的二元组对可解释评价标签的第二偏好得分；根据第二偏好得分选择可解释评价标签作为向目标用户推荐推荐项目的解释。