arXiv · cs.AI· Emrul Hasan, Chen Ding·· 2 天前
CLARER：通过方面表示对比学习实现可解释推荐
Contrastive Learning for Aspect Representation towards Explainable Recommendation
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：Emrul Hasan, Chen Ding
期刊信息（来源提供）：E. Hasan and C. Ding, "Contrastive Learning for Aspect Representation Towards Explainable Recommendation," 2025 IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT), pp. 483-490, 2025
研究任务与主要进展
CLARER 将评论中的方面特征与评分信息结合，用于提升推荐准确性和解释性。该模型以 MLP 学习评分特征，以 Transformer 编码器和对比学习提取方面表示，并训练 Transformer 解码器生成解释；在三个基准数据集上，推荐准确性和解释生成效果均优于基线方法。
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