Path Reasoning for Explainable Session-based Recommendation

Khái niệm cốt lõi

提案されたPR4SRは、セッションベースの推薦における説明可能性を向上させ、推薦精度と説明可能性の両方を実現する。

Tóm tắt

本研究では、セッションベースの推薦における説明可能性を高めるためのHierarchical Reinforcement LearningフレームワークであるPR4SRが提案されました。このフレームワークは、セッション内の重要なアイテムを選択し、知識グラフ内でパス推論を行うことで説明可能な経路を提供します。さらに、多目標報酬とパス中間報酬の設計により、連続的なパス探索や効率的な知識グラフ探索が行われます。実験結果では、PR4SRが既存の手法やREKSと比較して推薦精度と説明可能性の両方で改善をもたらすことが示されました。

Thống kê

PR4SRは150エポックでAmazonデータセット上でトレーニングされました。
Amazonデータセットではバッチサイズは256でTは5です。
パス長は2で最大アクション空間は200です。

Trích dẫn

"Therefore, although the current research work demonstrates that it is possible to provide an explainable process for recommendation through path reasoning, the current path reasoning approach is not suitable for generalization in the scenario of SR."
"Our contributions lie in three aspects: PR4SR is the first path reasoning approach that uses hierarchical reinforcement learning to provide a generalized and explainable framework for SR."
"In summary, our contributions lie in three aspects: PR4SR is the first path reasoning approach that uses hierarchical reinforcement learning to provide a generalized and explainable framework for SR."

Thông tin chi tiết chính được chắt lọc từ

Explainable Session-based Recommendation via Path Reasoning

by Yang Cao,Shu... lúc arxiv.org 03-05-2024

https://arxiv.org/pdf/2403.00832.pdf

Yêu cầu sâu hơn

どのようにしてPR4SRは他の手法や既存のフレームワークと比較して異なる結果をもたらすか？

PR4SRは、従来のセッションベース推薦方法における説明可能性を向上させることで、精度だけでなく説明力も重視する点が他の手法や既存のフレームワークと異なります。通常のセッションベース推薦では、精度向上が主眼に置かれていましたが、説明可能性を提供することで利用者への理解を深める効果が期待されます。また、PR4SRは階層的強化学習を使用し、セッション内で重要なアイテムを選択しパス推論を行う構造によって新しいアプローチを示しています。