提出群体推荐的反事实解释方法
热点事件持续更新
提出群体推荐的反事实解释方法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Maria Stratigi、Nikos Bikakis 和 Kostas Stefanidis 提出并形式化了为群体推荐寻找反事实解释的问题，并设计了五种求解算法。这些算法借助搜索空间剪枝、贪心选择、早停和增量细化，旨在降低计算成本及对推荐系统的调用次数。 团队同时提出项目级和解释级指标，涵盖相关性、流行度、解释效用、可解释性和公平性，并在真实数据集上分析解释大小、计算成本、效用与公平性之间的权衡。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
用反事实解释群体推荐结果报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI用反事实解释群体推荐结果
研究提出并形式化了为群体推荐寻找反事实解释的问题，并设计了五种算法，借助搜索空间剪枝、贪心选择、早停和增量细化来降低计算成本与推荐系统调用次数。团队还提出涵盖相关性、流行度、解释效用、可解释性和公平性的项目级与解释级指标，并在真实数据集上分析解释大小、计算成本、效用与公平性之间的权衡。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。