Vysvětlování doporučení v doménách bohatých na obsah
Název práce v češtině: | Vysvětlování doporučení v doménách bohatých na obsah |
---|---|
Název v anglickém jazyce: | Explaining Recommender Systems in Content-rich Domains |
Klíčová slova: | Explainability|recommender systems|content-rich domains |
Klíčová slova anglicky: | explainability|recommender systems|content-rich domains |
Akademický rok vypsání: | 2022/2023 |
Typ práce: | diplomová práce |
Jazyk práce: | čeština |
Ústav: | Katedra softwarového inženýrství (32-KSI) |
Vedoucí / školitel: | Mgr. Ladislav Peška, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 27.09.2022 |
Datum zadání: | 17.10.2022 |
Datum potvrzení stud. oddělením: | 06.12.2022 |
Zásady pro vypracování |
Řešitel nejprve získá přehled v oblasti doporučovacích systémů, zaměří se především na explanations / explainability, content-based a collaborative filtering a specifika domén bohatých na content-based atributy (např. elektronika).
Řešitel na základě prostudované literatury navrhne a vytvoří systém, který zanalyzuje produkty a doporučovací systém za účelem přehledného seřazení produktů uživatelem zadané kategorie, poskytne uživateli vysvětlení týkající se umístění jednotlivých produktů a zvýrazní produkty a parametry na základě preferencí konkrétního uživatele. Nedílnou součástí práce budou experimenty, které budou sloužit jako test vytvořeného systému. Experimenty budou provedeny především v doménách bohatých na parametry jednotlivých produktů. V implementační části bude kladen důraz především na modularitu a rozšiřitelnost, vhodné je integrovat již existující frameworky / knihovny doporučovacích algoritmů. |
Seznam odborné literatury |
1. Ricci, F. et al (Eds): Recommender Systems Handbook, Springer, 2022
2. Jannach, D. et al (Eds): Recommender Systems: An Introduction, Cambridge University Press, 2011 Kim Falk: Practical Recommender Systems, Manning, 2019 3. Mcsherry, D. Explanation in Recommender Systems. Artif Intell Rev 24, 179–197 (2005). https://doi.org/10.1007/s10462-005-4612-x 4. Yongfeng Zhang and Xu Chen (2020), "Explainable Recommendation: A Survey and New Perspectives", Foundations and Trends in Information Retrieval: Vol. 14: No. 1, pp 1-101. http://dx.doi.org/10.1561/1500000066 5. Ferwerda, Bruce, Kevin Swelsen, and Emily Yang. "Explaining content-based recommendations." New York (2018): 1-24.N. 6. Tintarev and J. Masthoff, "A Survey of Explanations in Recommender Systems," 2007 IEEE 23rd International Conference on Data Engineering Workshop, 2007, pp. 801-810, doi: 10.1109/ICDEW.2007.4401070. 7. Tintarev, Nava, and Judith Masthoff. "Evaluating the effectiveness of explanations for recommender systems." User Modeling and User-Adapted Interaction 22.4 (2012): 399-439 |
Předběžná náplň práce |
Doporučovací systémy (doporučování objektů uživateli na základě jeho předchozích akcí) získaly v poslední dekádě velkou pozornost jak ve vědecké komunitě, tak i v komerčním prostředí. Vysvětlování doporučovacích systémů vede k větší důvěře ze strany uživatele a tím pádem i k častějšímu používání doporučovacích systémů. V doménách, kde uživatel před nákupem zkoumá parametry produktu velice podrobně je vhodné, aby doporučovací systém zanalyzoval celý sortiment a vysvětlil uživateli, proč je pro něj daný produkt vhodný. Čím více informací o takovémto doporučení systém poskytne, tím spíše bude uživatel danému systému důvěřovat.
Cílem práce je vytvořit systém, který uživateli poskytne dostatek informací o sortimentu a doporučeních, které dostane od doporučovacího systému, potřebných k výběru vhodného produktu. |