如何給推薦系統的結果給予解釋？
1. 基於約束的推薦系統：這種系統的商品都有各種屬性，用戶只知道個大概，但是不完全清楚各種屬性，推薦系統在幫助用戶一步步接近用戶最終的期望。屬性就是產生推薦理由的關鍵。本書中採用了一些推理方法來生成理由，挺玄乎的。我理解，直接告訴用戶，我猜你最關心的是xx屬性，根據這個屬性，我來給你推薦xxx，這樣就應該行了。
2. 基於實例的推薦系統：產生的理由和上面差不多，都是關鍵屬性，過程根據推薦新算法不同而有所不同，個人感覺，不值得細看
3. 協同過濾的推薦系統：一般來講，協同過濾推薦算法的理由不好給出。有人做過實驗，最好的理由是“根據近鄰來評分”，如：xxx和你很像，他如何如何了；次之的理由，就是告訴用戶這個商品的熱度或者排行或者評分就行；專家意見沒用。
完。