Add the recommender systems chapter. (#75)

* update explainable AI structure.

* fix

chapter_explainable_AI/explainable_ai.md

@@ -1,8 +1,5 @@
-可解释机器学习系统
-============================
 
-背景
-----
+## 背景
 
 在人类历史上，技术进步、生产关系逻辑、伦理法规的发展是动态演进的。当一种新的技术在实验室获得突破后，其引发的价值产生方式的变化会依次对商品形态、生产关系等带来冲击，而同时当新技术带来的价值提升得到认可后，商业逻辑的组织形态在自发的调整过程中，也会对技术发展的路径、内容甚至速度提出诉求，并当诉求得到满足时适配以新型的伦理法规。在这样的相互作用中，技术系统与社会体系会共振完成演进，是谓技术革命。
 
@@ -26,8 +23,7 @@
 
 因此，从商业推广层面以及从法规层面，我们都需要打开黑盒模型，对模型进行解释，可解释AI正是解决该类问题的技术。
 
-可解释AI定义
-------------
+## 可解释AI定义
 
 按DARPA（美国国防部先进研究项目局）的描述，如 :numref:`xai_concept`所示，
 可解释AI的概念在于区别于现有的AI系统，可解释AI系统可以解决用户面对模型黑盒遇到的问题，是的用户知其然并知其所以然。
@@ -50,8 +46,7 @@ AI(XAI))，不论是学术界还是工业界都没有一个统一的定义。这
 
 我们根据自身的实践经验和理解，将可解释AI定义为：一套面向机器学习（主要是深度神经网络）的技术合集，包括可视化、数据挖掘、逻辑推理、知识图谱等，目的是通过此技术合集，使深度神经网络呈现一定的可理解性，以满足相关使用者对模型及应用服务产生的信息诉求（如因果或背景信息），从而为使用者对人工智能服务建立认知层面的信任。
 
-可解释AI算法现状介绍
---------------------
+## 可解释AI算法现状介绍
 
 随着可解释AI概念的提出，可解释AI越来越受到学术界及工业界的关注，下图展示了人工智能领域顶级学术会议中可解释AI关键字的趋势。为了供读者更好的对现有可解释AI算法有一个整体认知，我们这里参考[@2020tkde_li]总结归纳了可解释AI的算法类型，如图\[fig:ch011/xai\_methods\]
 所示。
@@ -166,8 +161,7 @@ MOBA.）[]{data-label="fig:ch011/xai_steam"}](../img/ch11/xai_kg_recommendataion
 Fortress 2”推荐给用户的解释可以翻译成固定话术：“Team Fortress
 2”是游戏公司“Valve”开发的一款动作类、多人在线、射击类“action”电子游戏。这与用户历史玩过的游戏“Half-Life”有高度关联。
 
-未来可解释AI
-------------
+## 未来可解释AI
 
 为了进一步推动这个方向，我们在此总结了一些值得注意的前景：