序列推荐系统时序归因可解释方法系统基准测试
序列推荐系统通过用户历史交互序列驱动下一步决策，是现代个性化服务的核心。基于CNN和Transformer的深度学习架构虽能有效捕获时序依赖，但其非线性特征导致模型沦为黑盒。为了提升模型透明度与信任度，帮助开发者审查模型行为并为用户提供推荐依据，该研究针对序列推荐系统中的时序归因可解释性方法展开系统化基准评估（注：原论文摘要结尾存在截断，具体评估结果详见完整论文）。
推荐理由针对黑盒序列推荐模型建立了时序归因可解释性基准，对提升推荐算法的可解释性与透明度具有参考价值。
原标题：A Systematic Benchmark of Explainable Methods for Temporal Attribution in Sequential Recommendation Systems
阅读 arXiv 机器学习 原文 ↗