DOI: https://doi.org/10.20998/2522-9052.2019.2.08

Побудова пояснень в рекомендаційних системах за принципом чорного ящику

Serhii Chalyi, Volodymyr Leshchynskyi, Irina Leshchynska

Анотація


Предметом вивчення в статті є процеси формування пояснень в рекомендаційних системах. Метою є розробка концептуальної моделі формування пояснень в рекомендаційних системах за принципом чорного ящику. Така модель зв’язує умови, результат та обмеження щодо вибору об’єктів з позицій користувача. Користувач має отримати обґрунтування рекомендацій з урахуванням контекстно-орієнтованих можливостей використання запропонованих об’єктів. Завдання: адаптувати принцип чорного ящику до задачі побудови пояснень в рекомендаційній системі; розробити концептуальну схему побудови пояснень за функціональним принципом; розробити концептуальну модель формування пояснень за принципом чорного ящика. Використовуваними принципами є: функціональний, або принцип чорного ящику. Отримані наступні результати. Адаптовано принцип чорного ящику до задачі побудови пояснень в рекомендаційній системі. Розроблено концептуальну схему побудови пояснень на основі функціонального принципу з врахуванням як властивостей об’єктів, так і послідовностей їх використання. Розроблено концептуальну модель формування пояснень за принципом чорного ящику. Висновки. Наукова новизна отриманих результатів полягає в наступному. Запропоновано концептуальну модель побудови пояснень до рекомендацій за функціональним принципом або принципом чорного ящику. Модель враховує характеристики предметів та споживачів, інформацію про використання об’єктів в предметній області, а також рекомендацію у вигляді переліку об’єктів. Переваги застосування запропонованої моделі полягають в тому, що вона враховує способи застосування рекомендованих об’єктів для побудови пояснень. Це створює умови для персоналізації рекомендацій у випадках холодного старту рекомендаційної системи, а також штучного збільшення рейтингів окремих предметів.

Ключові слова


рекомендаційні системи; системи електронної комерції; пояснення; контекст прийняття рішень; формування рекомендацій; формування пояснень

Повний текст:

PDF (English)

Посилання


Aggarwal, C.C. (2017), Recommender Systems: The Textbook, Springer, New York, 498 p.

Bennet, J. and Lanning, S. (2019), The Netflix Prize [Proceedings of KDD cup and workshop], available at: http://www.netflixprize.com

Linden, G., Smith, B. and York J. (2003), “Amazon.com recommendations: Item-to-item collaborative filtering”, Internet Computing, IEEE, vol. 7, no. 1, pp. 76–80.

Ricci, F., Rokach, L., Shapira, B. and Kantor, P. (2011), Recommender systems handbook, Springer, New York, 842 p.

Shilling, I. (2018), Attack detection for recommender systems based on credibility of group users and rating time series, DOI: https://doi.org/10.1371/journal.pone.0196533

Schein, A.I., Popescul, A., Ungar, L.H. and Pennock, D.M. (2002), “Methods and metrics for cold-start recommendations”, Proceedings of the 25th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 253–260.

Cleger-Tamayo, S., Fernandez-Luna, J.M. and Huete, J.F (2012), “Explaining neighborhood-based recommendations”, The 35th International ACM SIGIR conference on Research and development in information retrieval, ACM, pp. 1063–1064.

Tintare, N. and Masthoff, J. (2012), “The effectiveness of explanations for recommender systems”, User Modeling and User-Adapted Interaction, No. 22(4), pp. 399–439.

Tintarev, N. and Masthoff, J. (2007), “A Survey of Explanations in Recommender Systems”, Workshop on Recommender Systems and Intelligent User Interfaces associated with ICDE’07, G Uchyigit (ed), pp. 801-810.

Cunningham, P., Doyle, D. and Loughrey, J. (2003), “An Evaluation of the Usefulness of Case-Based Reasoning Explanation”, Case-Based Reasoning Research and Development:Proceedings ICCBR, Number 2689 in LNAI, Trondheim, Springer, pp. 122–130.

Chalyi, S.F., Leshchynskyi, V.O. and Leshchynska, І.O. (2018), “Іntegracіya lokal'nih kontekstіv spozhivachіv v rekomendacіjnih sistemah na osnovі vіdnoshen' ekvіvalentnostі, skhozhostі ta sumіsnostі”, Materіali VII mіzhn. nauk. konf. «Іnformacіjnі upravlyayuchі sistemi ta tekhnologії», pp. 142–144.

Chala, О.V. (2018), “Construction of temporal rules for representing knowledge in information control systems”, Advanced Information Systems, Vol. 2, No. 3, pp. 54-59, DOI: https://doi.org/10.20998/2522-9052.2018.3.09

Chala, O. (2018), “Models of temporal dependencies for a probabilistic knowledge base”, Econtechmod, Vol. 7(3), pp. 53–58.

Levykin, V. and Chala, O. (2018), “Development of a method of

probabilistic inference of sequences of business process activities to support business process management”, Eastern-European Journal of Eenterprise Technologies, Vol. 5/3(95), pp. 16–24, DOI: https://doi.org/10.15587/1729-4061.2018.142664

Chalyi, S. and Pribylnova, I. (2019), “The method of constructing recommendations online on the temporal dynamics of user interests using multilayer graph”, EUREKA: Physics and Engineering, Vol. 3, pp. 13–19.




Copyright (c) 2019 Serhii Chalyi, Volodymyr Leshchynskyi, Irina Leshchynska