[发明专利]一种基于多行为推荐模型的模型不可知反事实解释方法

权利要求书

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可作为解释的，则S5中获取的待定解释为最终解释。

2.根据权利要求1所述的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，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。

3.根据权利要求1所述的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，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H_i,o，其中i表示物品，o可为集合或数字；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X_j，j表示集合中行为类型数量，可取1-y，j等于y时，H_i,0等同于H_i,Xj，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H_i,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H_i,j；将不同反事实行为集H_i,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；α_i,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。

4.根据权利要求1所述的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，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X_j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X_j的重要性分数。

5.根据权利要求1所述的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，步骤S4中，描述的候选解释是针对某个在被推荐列表中的被推荐项目，候选解释本身是一个用户交互历史的子集，若交互历史去掉该子集后，得到的被推荐列表中没有那项被推荐项目，该子集即对该被推荐项目的解释；描述的过滤是指得到各自包括不同各物品总行为类型数量的候选解释，各过滤后的候选解释在类型数量的条件下，拥有同类型数量候选解释中重要性分数和的最大值。