研究人员探讨了推荐系统中的单义性概念，旨在使学习到的嵌入维度更具可解释性。通过将 Matryoshka Sparse Autoencoder (MSAE) 应用于在 Amazon Fashion 数据集上训练的大规模矩阵分解推荐系统的嵌入，他们识别出了可恢复的层次结构。MSAE 提供了一种原则性的方法来揭示可解释的潜在因素，并使用元数据对齐和 LLM 生成的标签进行语义一致性分析。该研究展示了对与性别相关的潜在神经元的干预，表明了在推荐行为中进行原则性干预的潜力。 AI
排序理由 关于一种提高推荐系统可解释性新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Amazon Fashion dataset
- Eden Rzezak
- Matryoshka Sparse Autoencoder
- Monosemanticity
- Recommender Systems
- Sparse Autoencoders
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
