AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6074301b92c7f9be218c1076
用户面对着系统推荐的物品,心里可能会产生疑惑:为什么向我推荐这些内容。为了使得推荐内容更容易被用户所接受,通常在给用户推荐的同时,加上相应的解释。例如,推荐电影时加上“95%的用户观看后表示喜欢”,推荐商品时加上“根据购买记录推荐下面的商品”等等的解释。相比与传统的推荐系统,可解释系统不仅能够提升系统透明度,还能够提高用户对系统的信任和接受程度 、用户选择体验推荐产品的概率以及用户满意程度等等。作为人工智能领域的一个重要分支,可解释推荐系统现已经应用到电子商务、医疗、学术等领域 ,推荐系统的可解释性也是一个重要的研究方向。
该论文集共收录12篇论文,引用最多的论文为A contextual-bandit approach to personalized news article recommendation,引用数为1506。
AMiner,AI赋能的学术搜索平台:https://www.aminer.cn
#AMiner# #论文#