核心概念
이 논문은 세션 기반 추천에 대한 설명 가능한 경로 추론을 탐구합니다.
要約
현재 세션 기반 추천 모델은 정확도에 중점을 두지만 설명 가능성을 강조하지 않음
제안된 PR4SR은 기존 SR 모델의 설명 가능성을 향상시키는 일반화된 계층적 강화 학습 프레임워크
PR4SR은 세션 수준 에이전트를 설계하여 경로 추론을 수행하고, 다양한 설명 경로를 확보하기 위해 이미지에서 추출된 특징 정보를 지식 그래프에 통합
실험 결과 PR4SR은 추천 및 설명 작업에 효과적임을 입증
統計
현재 세션 기반 추천 모델은 정확도에 중점을 두지만 설명 가능성을 강조하지 않음
PR4SR은 기존 SR 모델의 설명 가능성을 향상시키는 일반화된 계층적 강화 학습 프레임워크
引用
"A large number of research works design different model structures to capture user preference information and model sequential patterns, such as recurrent neural network, attention mechanism, and graph neural network."
"Path reasoning methods provide explainable information for recommendations by exploring paths between entities in the knowledge graph."