推荐可解释
同时学习用户隐式偏好与显式意图生成均匀且意图倾向感知的表示，在高度稀疏数据上提升准确性与可解释性并缓解流行度偏差。
Zhi, Yang · Lin, Chuan · 秦永彬 · 黄瑞章 · 陈艳平 · 秦继伟
Information Fusion 2025
通过意图感知的图对比学习提取显式用户意图，使表示具有意图倾向感知特性，从而提升可解释性。
理论分析表明模型能缓解流行度偏差并增强长尾物品的曝光，使推荐更公平。
在四个高度稀疏的公开数据集上进行了大量实验，验证了模型的有效性。