• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.3.2023.tde-05022024-111423
Documento
Autor
Nombre completo
Douglas Luan de Souza
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2023
Director
Tribunal
Cozman, Fabio Gagliardi (Presidente)
Veiga, Allan Koch
Peres, Sarajane Marques
Título en portugués
Algoritmos para explicação responsável de recomendações.
Palabras clave en portugués
Aprendizado computacional
Interpretabilidade e explicabilidade
Sistemas de recomendação
Resumen en portugués
Sistemas de Recomendação tem sido cada vez mais presentes em produtos digitais como e-commerce e redes sociais. Um das razões para o seu sucesso é a sua crescente capacidade de predizer quais itens irão agradar seus usuários. No entanto, há cenários onde as recomendações podem não estar sendo geradas segundo os interesses dos usuários. Isto pode acontecer porque o sistema incentiva que o usuário passe horas assistindo vídeos curtos, ou porque ele recomenda algum produto que não tem a relação custo-benefício que seria melhor para o cliente. Nestes casos, seria desejável que os usuários pudessem entender as razões que levaram à recomendação. Além disso, usuários se beneficiariam ao compreender quais são as desvantagens de seguir a recomendação dada. Neste trabalho, propomos métodos para geração de razões a favor e razões contra uma determinada recomendação, baseados na teoria de Snedegar para raciocínio prático. Mostramos que estes métodos são aplicáveis na prática em um contexto educacional, usando um sistema de recomendação de disciplinas.
Título en inglés
Algorithms for responsible explanation of recommendations.
Palabras clave en inglés
Explainable Artificial Intelligence (XAI)
Machine learning
Recommender systems
Resumen en inglés
Recommender Systems have been increasingly deployed as part of digital products such as e-commerce and social networks. Part of the reason for their success is their ability to predict which items the user will like. However, there are scenarios where their recommendation may not be in the best interest of the user. It could be because the recommendations reinforce a habit the users do not want, such as spending hours watching short videos, or because it suggests a product that does offer the best cost-benefit ratio. In these cases, it would be helpful for the users to understand the reasons behind the recommendation. Furthermore, it would be in the interest of the user to know what are the drawbacks of taking the recommendation. In this work, we propose methods for generating reasons for and reasons against a given recommendation, based on Snedegar theory of practical reasoning. We demonstrate that these methods are feasible in the context of education through a course recommender.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2024-02-06
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.