如何给推荐系统的结果给予解释？
1. 基于约束的推荐系统：这种系统的商品都有各种属性，用户只知道个大概，但是不完全清楚各种属性，推荐系统在帮助用户一步步接近用户最终的期望。属性就是产生推荐理由的关键。本书中采用了一些推理方法来生成理由，挺玄乎的。我理解，直接告诉用户，我猜你最关心的是xx属性，根据这个属性，我来给你推荐xxx，这样就应该行了。
2. 基于实例的推荐系统：产生的理由和上面差不多，都是关键属性，过程根据推荐新算法不同而有所不同，个人感觉，不值得细看
3. 协同过滤的推荐系统：一般来讲，协同过滤推荐算法的理由不好给出。有人做过实验，最好的理由是“根据近邻来评分”，如：xxx和你很像，他如何如何了；次之的理由，就是告诉用户这个商品的热度或者排行或者评分就行；专家意见没用。
完。