基于可解释图的推荐系统综述

《ACM Computing Surveys》：Review of Explainable Graph-Based Recommender Systems

可解释推荐系统研究综述，探讨图模型推荐的可解释方法、评估指标及数据集，分析学习方式、解释策略和结果类型三类核心框架，提出未来研究方向，弥补现有综述对图结构可解释性的覆盖不足。

　　

摘要

推荐系统的可解释性对于确保用户的信任和满意度至关重要。已经提出了多种类型的可解释推荐系统，其中包括基于图的可解释推荐系统。本文综述了这些系统的最新研究方法，并根据三个方面对它们进行了分类：学习方法、解释方法以及解释类型。同时，本文还探讨了常用的数据集、可解释性评估方法以及该研究领域的未来发展方向。与现有的综述论文相比，本文重点关注基于图的可解释性，并涵盖了开发新型基于图的可解释推荐系统所需的相关主题。