• 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.55.2021.tde-10052021-132937
Documento
Autor
Nombre completo
Vitor Rodrigues Tonon
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2021
Director
Tribunal
Rezende, Solange Oliveira (Presidente)
Manzato, Marcelo Garcia
Rossi, Rafael Geraldeli
Silva, Diego Furtado
Título en portugués
Geração de recomendações interpretáveis em sistemas de recomendação utilizando contexto
Palabras clave en portugués
Informação contextual
Interpretabilidade
Redes heterogêneas
Sistemas de recomendação
Resumen en portugués
Usuários enfrentam dificuldades em escolher produtos e serviços na Web devido a grande variedade de possibilidades de escolha. Nesse contexto, os sistemas de recomendação têm como objetivo auxiliar indivíduos a identificarem itens de interesse em um conjunto de opções. As abordagens tradicionais de sistemas de recomendação focam em recomendar itens mais relevantes para usuários individuais, não levando em consideração o contexto dos usuários. Porém, em muitas aplicações reais, é importante também considerar informações contextuais, por meio dos sistemas de recomendação sensíveis ao contexto, uma vez que estudos indicam que o uso de tais informações pode melhorar a acurácia das recomendações. Existem diversos tipos de sistemas de recomendação, como os baseados em conteúdo, na vizinhança de usuários e itens, baseados em fatoração de matrizes e em deep learning. No entanto, a maioria desses sistemas são considerados caixas-pretas, já que não oferecem transparência ao processo de recomendação, o que dificulta que usuários confiem nas recomendações apresentadas. Nesse sentido, fornecer recomendações interpretáveis tende a aumentar a confiança e a satisfação do usuário em relação ao sistema. O uso de explicações em sistemas de recomendação tem se mostrado uma área de pesquisa promissora, mas, ainda assim, poucos trabalhos exploraram a utilização de contexto como forma de gerar as explicações. Diante desse cenário, este projeto tem como objetivo propor o método HINCARS que gera recomendações interpretáveis utilizando informações contextuais. Os resultados obtidos mostraram que o método obteve resultados equiparáveis a um algoritmo estado-da-arte.
Título en inglés
Generating interpretable recommendations in recommender systems using context
Palabras clave en inglés
Contextual information
Heterogeneous network
Interpretability
Recommender systems
Resumen en inglés
Users face difficulties in choosing products and services on the Web because of the wide range of options. In this context, recommendation systems aim to assist users in identifying items of interest within a set of options. Traditional approaches to recommender systems focus on recommending more relevant items to individual users, not taking into account users context. However, in many real-world applications, it is also important to consider contextual information through the use of context-aware recommender systems. Several studies have indicated that using such information can improve the accuracy of recommendations. There are various types of recommendation systems, such as contentbased, neighborhood-based, matrix factorization and deep-learning-based systems. However, most of these systems are considered black boxes, since they do not offer transparency to the recommendation process, which makes it difficult for users to trust the recommendations that are presented to them. In this sense, providing interpretable recommendations tends to increase user confidence and satisfaction with the system. The use of explanations in recommendation systems has shown to be a promising area of research, but only a few works have explored the use of context as a way of generating explanations. Given this scenario, this project aims to propose a method that generates interpretable recommendations using contextual information. The obtained results showed that HINCARS had similar performance than a state-of-the-art recommendation method.
 
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
2021-05-10
 
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 © 2001-2022. Todos los derechos reservados.