دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: YONGFENG ZHANG, XU CHEN. سری: Foundations and Trends® in Information Retrieval Ser ISBN (شابک) : 9781680836592, 1680836595 ناشر: NOW Publishers سال نشر: 2020 تعداد صفحات: [104] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 Mb
در صورت تبدیل فایل کتاب Explainable Recommendation: A Survey and New Perspectives به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب توصیه قابل توضیح: یک نظرسنجی و دیدگاه های جدید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در سالهای اخیر، تعداد زیادی از روشهای پیشنهادی قابل توضیح در سیستمهای دنیای واقعی پیشنهاد و اعمال شدهاند. این نظرسنجی مروری جامع از تحقیق توصیههای قابل توضیح ارائه میکند.
In recent years, a large number of explainable recommendation approaches have been proposed and applied in real-world systems. This survey provides a comprehensive review of the explainable recommendation research.
Introduction Explainable Recommendation A Historical Overview Classification of the Methods Explainability and Effectiveness Explainability and Interpretability How to Read the Survey Information Source for Explanations Relevant User or Item Explanation Feature-based Explanation Opinion-based Explanation Sentence Explanation Visual Explanation Social Explanation Summary Explainable Recommendation Models Overview of Machine Learning for Recommendation Factorization Models for Explainable Recommendation Topic Modeling for Explainable Recommendation Graph-based Models for Explainable Recommendation Deep Learning for Explainable Recommendation Knowledge Graph-based Explainable Recommendation Rule Mining for Explainable Recommendation Model Agnostic and Post Hoc Explainable Recommendation Summary Evaluation of Explainable Recommendation User Study Online Evaluation Offline Evaluation Qualitative Evaluation by Case Study Summary Explainable Recommendation in Different Applications Explainable E-commerce Recommendation Explainable Point-of-Interest Recommendation Explainable Social Recommendation Explainable Multimedia Recommendation Other Explainable Recommendation Applications Summary Open Directions and New Perspectives Methods and New Applications Evaluation and User Behavior Analysis Explanation for Broader Impacts Cognitive Science Foundations Conclusions Acknowledgements References