CAREx:基于多层卷积和注意力机制的可解释生成推荐模型

摘要

模型的可解释性提供了向用户推荐一个项目背后的原因，以此提高用户的满意度.一种解释建议的方法是为用户-项目对生成个性化自然语言评论，但评论的质量不尽如人意.此外，使用底层语言模型生成文本的效率也不高.本文提出一种基于自适应语言模型的上下文感知可解释推荐模型，在预测出准确评分的同时，采用即插即用语言模型生成解释推荐结果的评论.为提升准确性，模型使用交叉Branchformer网络同时捕获全局和局部信息，从评论集中找到最相似的评论作为受限文本.随后，模型训练了一个轻量化鉴别器得到情感评分并将文本一起输入到预训练语言模型中来生成最后的评论.实验结果表明，本文提出的模型生成的评论在语义上接近金标事实评论，具有较高的可解释性.

关键词

可解释推荐系统 / 多层卷积 / 注意力网络 / 即插即用的语言模型