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.