Personalizing explanations in recommender systems with different levels of details based on users\' reviews (2022)
- Authors:
- Autor USP: SOUZA, LUAN SOARES DE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2022.tde-10102022-134457
- Subjects: DESCOBERTA DE CONHECIMENTO; INTERNET; INTERAÇÃO USUÁRIO-COMPUTADOR; ANÁLISE DE DADOS; INTERAÇÃO HOMEM-MÁQUINA
- Keywords: Explanations; Explicações; Recommender systems; Sumarização de textos; Text summarization
- Agências de fomento:
- Language: Inglês
- Abstract: Com a grande quantidade de conteúdos disponíveis na Internet, a importância de sistemas de recomendação se torna cada vez maior. Porém, devido à complexidade, os parâmetros das recomendações podem não ser claros ao usuário, o que motivou estudos que visam explicar as recomendações. Muitas das abordagens envolvem somente dados de interações de usuários e dados estruturados, mas recentemente abordagens que utilizam anotações de usuários vem sendo notadas. Entretanto, frequentemente os algoritmos de explicação estão limitados a um grupo de modelos que são intrinsecamente explicáveis, e estudos recentes exploram explicações agnósticas ao modelo de recomendação para contornar esse problema. Além disso, propostas de sistemas de recomendação com níveis de surpresa se tornam cada vez mais comum, e explicações com diferentes níveis de detalhamento podem colaborar com a descoberta de conhecimento e com a satisfação do usuário. Nesse sentido, a proposta deste projeto é possibilitar a geração de explicações com diferentes níveis de detalhamento, utilizando técnicas de agrupamento hierárquico de aspectos extraídas de revisões de usuários. O agrupamento hierárquico pode oferecer diferentes níveis de granularidades de aspectos e as revisões podem fornecer aspectos e sentenças para sumarização de explicações de itens.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2022
- Data da defesa: 04.08.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SOUZA, Luan Soares de. Personalizing explanations in recommender systems with different levels of details based on users\' reviews. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10102022-134457/. Acesso em: 29 maio 2024. -
APA
Souza, L. S. de. (2022). Personalizing explanations in recommender systems with different levels of details based on users\' reviews (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10102022-134457/ -
NLM
Souza LS de. Personalizing explanations in recommender systems with different levels of details based on users\' reviews [Internet]. 2022 ;[citado 2024 maio 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10102022-134457/ -
Vancouver
Souza LS de. Personalizing explanations in recommender systems with different levels of details based on users\' reviews [Internet]. 2022 ;[citado 2024 maio 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-10102022-134457/ - Aspect-based summarization: an approach with different levels of details to explain recommendations
- A user study on explanations with different levels of detail in recommender systems
- A multiturn recommender system with explanations
- A user study with aspect-based sentiment analysis for similarity of items in content-based recommendations
- WordRecommender: an explainable content-based algorithm based on sentiment analysis and semantic similarity
Informações sobre o DOI: 10.11606/D.55.2022.tde-10102022-134457 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
