可解释推荐：综述与新视角

可解释推荐尝试开发模型，不仅生成高质量的推荐，而且生成直观的解释。解释可以是事后的，也可以直接来自可解释的模型(在某些上下文中也称为可解释的或透明的模型)。可解释推荐尝试解决为什么的问题:通过向用户或系统设计者提供解释，它帮助人们理解为什么算法推荐某些项目，而人既可以是用户，也可以是系统设计者。可解释推荐有助于提高推荐系统的透明度、说服力、有效性、可信度和满意度。

在这次调查中，我们回顾了在2019年或之前可解释的建议的工作。我们首先通过将推荐问题划分为5W来强调可解释推荐在推荐系统研究中的地位。什么，什么时候，谁，在哪里，为什么。然后，我们从三个角度对可解释推荐进行了全面的调查:1)我们提供了可解释推荐的研究时间轴，包括早期的用户研究方法和最近的基于模型的方法。2)我们提供了一个二维分类法来对现有的可解释推荐研究进行分类:一个维度是解释的信息源(或显示样式)，另一个维度是生成可解释推荐的算法机制。3)我们总结了可解释推荐如何应用于不同的推荐任务，如产品推荐、社交推荐和POI推荐。我们还专门用一节来讨论更广泛的IR和AI/ML研究中的解释视角。最后，我们讨论了未来可解释推荐研究领域的发展方向。