一种基于反事实路径增强的强化推理可解释推荐方法及其评估方法

本发明属于路径推理可解释推荐技术领域，公开一种基于反事实路径增强的强化推理可解释推荐方法及其评估方法。通过反事实推理学习用户对候选路径及其内部关系的可信度，以从细粒度视角区分用户对不同路径的偏好，从而能够选择最符合用户偏好的路径作为解释。此外，设计一种双奖励的强化学习方法用于生成推荐和解释，将路径导向的奖励与物品导向的奖励相结合，以同时提升模型的准确性和可解释性。最后提出了广泛且可量化的评估指标，即稳定性和有效性，可以更有效地评估模型的可解释性质量。