公开(公告)号：CN112435103A

公开(公告)日：2021-03-02

申请号：CN202011507787.2

申请日：2020-12-18

Applicant: 东北大学

Inventor： 杨晓春 ,  丁蕊 ,  马红 ,  王斌

IPC: G06Q30/06 ,  G06F16/9535 ,  G06F16/36 ,  G06F16/9536

Abstract: 本发明提供一种事后多样性解释的智能推荐方法及系统，根据用户历史交易记录收集包含商品解释说明信息的样本数据，构建样本集，并对样本集中的每条样本数据进行预处理，然后将无可解释的推荐模型作为黑盒模型，将n种可解释算法作为黑盒模型的基线模型，利用预处理后的样本数据对模型进行训练，根据生成的KL散度值筛选出最优匹配基线模型，本发明给出了一种精确度与可解释性同时兼顾的推荐方法，为没有可解释的算法提供了高精度的事后可解释，同时赋予推荐结果多样的解释，提高了用户对推荐算法的忠诚度与满意度。

公开(公告)号：CN112435103B

公开(公告)日：2023-11-24

申请号：CN202011507787.2

申请日：2020-12-18

Applicant: 东北大学

Inventor： 杨晓春 ,  丁蕊 ,  马红 ,  王斌

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F16/36 ,  G06F16/9536

Abstract: 本发明提供一种事后多样性解释的智能推荐方法及系统，根据用户历史交易记录收集包含商品解释说明信息的样本数据，构建样本集，并对样本集中的每条样本数据进行预处理，然后将无可解释的推荐模型作为黑盒模型，将n种可解释算法作为黑盒模型的基线模型，利用预处理后的样本数据对模型进行训练，根据生成的KL散度值筛选出最优匹配基线模型，本发明给出了一种精确度与可解释性同时兼顾的推荐方法，为没有可解释的算法提供了高精度的事后可解释，同时赋予推荐结果多样的解释，提高了用户对推荐算法的忠诚度与满意度。