Geração de recomendações interpretáveis em sistemas de recomendação utilizando contexto

Autor(es)

Vitor Rodrigues Tonon

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2021-03-11

Membros da banca

Solange Oliveira Rezende; Marcelo Garcia Manzato; Rafael Geraldeli Rossi; Diego Furtado Silva

• Orientador: Solange Oliveira Rezende

Resumo

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. (AU)

• Processo FAPESP: 18/04651-0 - Geração de explicações em sistemas de recomendação baseados em técnicas de fatoração de matrizes utilizando contexto
• Beneficiário: Vítor Rodrigues Tonon
• Modalidade de apoio: Bolsas no Brasil - Mestrado