HCI modely pro multi-objective doporučovací systémy

• Název práce v češtině: HCI modely pro multi-objective doporučovací systémy
• Název v anglickém jazyce: Human-computer interaction model for multi-objective recommender systems
• Klíčová slova: Doporučovací systémy|HCI|Multi-objective doporučovací systémy
• Klíčová slova anglicky: Recommender systems|HCI|Multi-objective recommender systems
• Akademický rok vypsání: 2022/2023
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: Mgr. Ladislav Peška, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 06.12.2022
• Datum zadání: 06.12.2022
• Datum potvrzení stud. oddělením: 06.12.2022
• Datum a čas obhajoby: 14.02.2024 09:00
• Datum odevzdání elektronické podoby: 11.01.2024
• Datum odevzdání tištěné podoby: 11.01.2024
• Datum proběhlé obhajoby: 14.02.2024
• Oponenti: doc. RNDr. Jakub Lokoč, Ph.D.

Zásady pro vypracování

Řešitel nejprve získá přehled v oblasti doporučovacích systémů, zaměří se nejprve na jejich propojení s human-computer interaction (explanations / explainability samotných doporučení, možnosti komunikace s uživatelem, algorithm explainability). Dále se také seznámí s multi-objective doporučovacími systémy, vč. variant optimalizačních metrik pro doporučovací systémy (relevance, diversity, novelty, serendipity, exploration vs. exploitation atd.).

Řešitel na základě prostudované literatury navrhne a vytvoří webovou aplikaci, která umožní jednak komunikaci s multi-objective doporučovacím systémem a především umožní uživatelovi upravit parametry pro tento doporučovací systém. Zásadním prvkem aplikace budou také explanations jednotlivých doporučení, především zaměřená na prezentaci splnění jednotlivých kriterií daným objektem / objekty. Součástí práce bude experiment v podobě User Study, na kterém uživatelé vyhodnotí práci se systémem.

V implementační části bude kladen důraz především na rozšiřitelnost pro různé multi-objective doporučovací systémy a různé domény.

Seznam odborné literatury

Ricci, F., Rokach, L., & Shapira, B. (Eds.). (2022). Recommender Systems Handbook (3rd ed.). Springer.

Ladislav Peska and Patrik Dokoupil. 2022. Towards Results-level Proportionality for Multi-objective Recommender Systems. In Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR ’22), July 11–15, 2022, Madrid, Spain. ACM, New York, NY, USA, 6 pages. https://doi.org/10.1145/3477495.3531787

Knijnenburg, Bart & Willemsen, Martijn. 2015. Evaluating Recommender Systems with User Experiments. 10.1007/978-1-4899-7637-6_9.

Joeran Beel and Haley Dixon. 2021. The ‘Unreasonable’ Effectiveness of Graphical User Interfaces for Recommender Systems. In Adjunct Proceedings of the 29th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '21). Association for Computing Machinery, New York, NY, USA, 22–28. https://doi.org/10.1145/3450614.3461682

Benedikt Loepp, Tim Donkers, Timm Kleemann, and Jürgen Ziegler. 2018. Impact of item consumption on assessment of recommendations in user studies. In Proceedings of the 12th ACM Conference on Recommender Systems (RecSys '18). Association for Computing Machinery, New York, NY, USA, 49–53. https://doi.org/10.1145/3240323.3240375

Anna Marie Schröder, Maliheh Ghajargar. 2021. Unboxing the Algorithm - Designing an Understandable Algorithmic Experience in Music Recommender Systems. In Perspectives on the Evaluation of Recommender Systems Workshop (PERSPECTIVES 2021), September 25th, 2021, co-located with the 15th ACM Conference on Recommender Systems, Amsterdam, The Netherlands. https://ceur-ws.org/Vol-2955/paper12.pdf

Benedikt Loepp. 2022. Recommender Systems Alone Are Not Everything: Towards a Broader Perspective in the Evaluation of Recommender Systems .In Perspectives on the Evaluation of Recommender Systems Workshop (PERSPECTIVES 2022), September 22nd, 2022, co-located with the 16th ACM Conference on Recommender Systems, Seattle, WA, USA. https://ceur-ws.org/Vol-3228/paper5.pdf

Mengqi Liao, S. Shyam Sundar, and Joseph B. Walther. 2022. User Trust in Recommendation Systems: A comparison of Content-Based, Collaborative and Demographic Filtering. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems (CHI '22). Association for Computing Machinery, New York, NY, USA, Article 486, 1–14. https://doi.org/10.1145/3491102.3501936

Alain D. Starke, Martijn C. Willemsen, and Chris Snijders. 2020. With a little help from my peers: depicting social norms in a recommender interface to promote energy conservation. In Proceedings of the 25th International Conference on Intelligent User Interfaces (IUI '20). Association for Computing Machinery, New York, NY, USA, 568–578. https://doi.org/10.1145/3377325.3377518

Wanling Cai, Yucheng Jin, and Li Chen. 2021. Critiquing for Music Exploration in Conversational Recommender Systems. In 26th International Conference on Intelligent User Interfaces (IUI ’21), April 14–17, 2021, College Station, TX, USA. ACM, New York, NY, USA, 11 pages. https://doi.org/10. 1145/3397481.3450657

Předběžná náplň práce

Doporučovací systémy se v posledních letech těší velké pozornosti jak ve vědecké komunitě, tak i v komerčním prostředí. Ukazuje se, že prostá maximalizace relevance doporučení nemusí být vždy nejlepší možností z pohledu uživatele a je dobré se zaměřit i na jiné cíle (tzv. beyond-relevance metriky), jako jsou například diversity nebo novelty. Dalším poznatkem z odborné literatury i praxe je, že uživatelé mají větší důvěru v doporučovací systém, pokud ten dovede podat věrohodné vysvětlení pro jednotlivé doporučené objekty či doporučovací algoritmus a také, pokud uživatel může chování algoritmu vhodným způsobem ovlivnit.

Cílem práce je vytvořit webovou aplikaci využívající multi-objective doporučovací systém nad vhodně zvolenou doménou /doménami. Hlavní součástí práce pak bude návrh a otestování explanations GUI, které předá uživateli odpovídající vysvětlení k doporučeným objektům a umožní vhodným způsobem chování doporučovacího systému parametrizovat.