朱芮
- 作品数：2 被引量：1H指数：1
- 供职机构：武汉大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 胃癌易感基因与癌变机制和治疗干预及预后影响的系列研究
- 邓长生夏冰李春朱尤庆费保莹叶梅杨桂芳熊永炎林军余细球朱芮
- 近10年来，课题组一直围绕胃癌的遗传易感基因与癌变分子机制、治疗干预和预后影响因素诸多方面进行深度研究，取得了一系列创新成果。第一部分：在国内率先发现HLA-DRB1 0901、HLA-DRB1 0912、TNF、CTL...
- 关键词：
- 关键词：胃癌治疗蛋白激酶基因
- 基于文本注意力的推荐系统可解释性研究被引量：1
- 2021年
- 可解释性能够提高用户对推荐系统的信任度并且提升推荐系统的说服力和透明性,因此有许多工作都致力于实现推荐系统的可解释性。由于评论中包含了丰富的信息,能够体现用户偏好与情感信息,同时包含了对应商品所具有的特性,最近的一些基于评论的深度推荐系统有效地提高了推荐系统的可解释性。这些基于评论的深度推荐系统中内置的注意力机制能够从对应的评论中识别出有用的语义单元(例如词、属性或者评论),而推荐系统通过这些高权重的语义单元做出决策,从而增强推荐系统的可解释性。但可解释性在很多工作中仅作为一个辅助性的子任务,只在一些案例研究中来做出一些定性的比较,来说明推荐系统是具有可解释性的,到目前为止并没有一个能够综合地评估基于评论推荐系统可解释性的方法。本文首先根据在注意力权重计算机制的不同,将这些具有可解释性的基于评论的推荐系统分为三类:基于注意力的推荐系统,基于交互的推荐系统,基于属性的推荐系统,随后选取了五个最先进的基于评论的深度推荐系统,通过推荐系统内置的注意力机制获得的评论权重文档,在三个真实数据集上进行了人工标注,分别量化地评价推荐系统的可解释性。标注的结果表明不同的基于评论的深度推荐系统的可解释性是具有优劣之分的,但当前的基于评论的深度推荐系统都有超过一半的可能性能够捕捉到用户对目标评论的偏好信息。在评估的五个推荐系统中,并没有哪个推荐系统在所有的数据中具有绝对的优势。也就是说,这些推荐系统在推荐可解释性方面是相互补充的。通过进一步的数据分析发现,如果推荐系统具有更精确的分数预测结果,那推荐系统通过注意力机制获得的高权重的信息确实更能够体现用户的偏好或者商品特征,说明推荐系统内置的注意力�
- 朱芮刘布楼刘艺语邹鑫雨李晨亮
- 关键词：推荐系统可解释性
