推荐系统文本解释生成：基于互注意力的多任务模型 | IJCAI 2019

在个性化推荐系统中，若能同步提升推荐精准度并生成优质文本解释，将更易赢得用户的青睐。然而，当前多数方法往往单独优化二者之一，或将其割裂处理。为实现双重目标的兼顾，微软亚洲研究院社会计算组融合认知科学相关理论，设计出基于互注意力机制的多任务模型，并通过详尽实验验证了该模型的有效性。

近年来，个性化推荐系统显著增强了用户筛选信息的效率。人们期待推荐系统能够准确捕捉用户偏好，并精准推送其感兴趣的内容。研究指出，在提供推荐结果的同时附加文字说明，有助于增强用户的信任感**，从而提升系统的说服力与用户满意度** 。因此，推荐系统的可解释性（explainability）逐渐成为学术界关注的新焦点。在先前两篇论文（《可解释推荐系统：[身怀绝技，一招击中用户心理》](http://mp.weixin.qq.com/s?__biz=MzAwMTA3M