arXiv · cs.AI· Calder Johnson, Robin Cohen·· 8 小时前
xLightGCN：基于最具影响力同伴的可解释图神经网络推荐系统
xLightGCN: Explainable Graph Neural Network Based Recommendation Systems with Most Influential Peers
arXiv:2610.19446v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Calder Johnson, Robin Cohen
研究任务与主要进展
Calder Johnson与Robin Cohen提出xLightGCN，一种面向LightGCN类推荐系统的基于图的精确解释方法，用于解释推荐决策。基于论文摘要，作者认为该方法能够生成可解释说明，并提供理论保证的解释忠实度；论文还讨论了限制与未来研究方向，具体实验和基准细节材料未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org