一种基于用户反馈驱动的可解释推荐优化系统

本发明公开了一种基于用户反馈驱动的可解释推荐优化系统，其特征在于，包括：离线策略强化学习框架、目标感知的个性化奖励提示、基于帕累托最优的多视角解释优化、总体目标函数以及完整学习算法；通过引入用户主观评价和多目标优化策略，以解决推荐解释质量低下、无法准确反映用户需求的难题。本发明在推荐质量和生成推荐解释文本方面都在原始基础模型上取得了显著的性能提升。