买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明涉及互联网领域，具体涉及一种基于多行为推荐模型的模型不可知反事实解释方法，S1、确定要进行解释的模型；S2、交互物品项的各行为类型重要性排序；S3、过滤行为类型子集；S4、过滤候选解释；S5、确定待定解释；S6、获得更多候选解释；S7、决定最终解释，通过对单行为与多行为推荐系统中交互历史、偏好、结果的因果分析，以及对行为类型间关系的分析，明确了在指定被解释项、指定交互物品的情况下，各行为类型的重要性分数，以及行为类型子集的过滤与重要性分数，实现了依据行为类型对候选解释搜索空间的过滤；解决了传统模型不可知解释方法不能对多行为推荐模型进行真实而有操作性的解释的问题。

主权项：1.一种基于多行为推荐模型的模型不可知反事实解释方法，其特征在于，包括以下步骤：S1、获取数据集，并确定要进行不可知解释的多行为推荐模型；基于获取的数据集中的用户交互历史作为多行为推荐模型的输入，通过多行为推荐模型输出得到被推荐项以及对应每个推荐项的推荐分数；S2、确定要解释的被推荐项与被推荐的用户，依据用户交互历史中的每个交互物品项以及被推荐项分数，计算每个交互物品的各个行为类型的重要性分数，并基于所述重要性分数对每个交互物品项的各行为类型进行重要性排序；S3、根据被推荐项分数与交互物品项的各行为类型的重要性顺序，对每个该用户的被推荐项所对应的每个交互过的物品进行过滤，得到部分行为类型子集，并生成对应部分行为类型子集的重要性分数；S4、根据重要性分数对用户交互历史中的候选解释进行过滤；S5、基于过滤后的候选解释确定待定解释；S6、基于待定解释获取更多的候选解释；S7、若S6中获取的候选解释能够作为解释的，则取代S5中确定的待定解释，返回S6；若S6中所获取的候选解释中没有作为解释的，则S5中获取的待定解释为最终解释；所述数据集中的数据包括click、fav、cart以及buy行为类型；将任意一个行为类型作为目标行为输入多行为推荐模型中，得到用户对各物品进行的所对应的行为类型的预测结果，所述步骤S2包括以下步骤：S21、基于推荐项得到做出推荐时的用户历史交互行为集为H；S22、在用户历史交互行为集为H基础上，其子集表示为Hi,o，其中i表示物品，o为集合或数字；i物品以外的物品及行为类型不变；若为数字，则取0-y，y为物品i行为类型数，0表示该物品i所有行为类型在该子集中都不保留，1-y分别表示为该物品i仅在该子集中保留一种行为类型；若为集合，集合中的每个元素表示一种行为类型，表示该物品i在该子集中需去除集合中的行为类型，即若有集合Xj，j表示集合中行为类型数量，取1-y，j等于y时，Hi,0等同于对于当前用户的每个交互物品，得到反事实的用户历史交互行为子集Hi,0；S23、对于交互物品的每种行为类型，都有一个仅包括本行为类型交互的反事实行为集Hi,j；将不同反事实行为集Hi,j导入多行为推荐模型得到交互物品i的行为类型j的重要性分数为： 式中：表示在用户历史交互行为集H中物品i仅保留一种行为类型j的反事实行为集下，第k个推荐项的得分；表示在用户历史交互行为集H中物品i去除所有行为类型j的反事实行为集下，第k个推荐项的得分；αi,j,k表示在第k个推荐项下，交互物品i的行为类型j的重要性分数；S24、将解释第k项被推荐项时，交互物品i的各行为类型按重要性分数进行降序排序，所述步骤S3中部分行为类型子集的重要性分数计算方法如下所述： 式中：表示在用户历史交互行为集H下，第k个推荐项的得分；表示在用户历史交互行为集H中物品i去除Xj中行为类型的反事实行为集下，第k个推荐项的得分； 表示在第k个推荐项下，交互物品i的行为类型子集Xj的重要性分数；步骤S4中，过滤方法包括以下分步骤：S41、在指定要解释的被推荐项情况下，对于每个该用户交互过的物品，已知其不同个数行为类型子集和对应的重要性分数；解释第k项被推荐项时，交互物品i行为类型为y种，且已由S24得到物品i行为类型重要性的降序排序，则物品i的拥有最大重要性分数不同行为类型数量的行为类型子集为Xj，j为整数从1取到y，分别表示按降序顺序要去除的不同数量的行为类型集合，由此，候选解释的过滤方法实际上是有所变化的0-1背包问题；S42、这个问题表示为，候选解释中最大包括L个各物品总行为类型，用户共有N个交互物品，每个物品若在候选解释中，则有其交互历史行为类型数量y种被选取情况，以wi,j表示物品i的第j种情况下的行为类型数，即j；vi,j表示物品i的第j种情况下的重要性分数，即βi,Xj,k，DP表示这个问题的状态转移矩阵，是一个N*L的矩阵，dpn,l为矩阵中一项，表示在限定前n项交互物品且最大包括l个各物品总行为类型的条件下，能得到的最大重要性分数和，在求得该和的过程中，对包括进的物品与行为类型进行记录，能得到每项最大重要性分数和对应的候选解释，求每项的公式如下：dp1,l＝max{0,βn,Xj,k}dpn,l＝max{dpn-1,l,dpn-1,l-wi,j+vi,j}其中，j在物品i行为类型数量范围内任取整值，且取值须大于等于l，对矩阵DP，由左至右、由上至下得到每一矩阵项结果，在得到结果时，记录其是否包括某物品、包括该物品几种行为类型，第N行结果即为候选解释重要性分数和，由记录可得候选解释具体内容。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于多行为推荐模型的模型不可知反事实解释方法