Skupinové doporučovací systémy pro doménu jídla

• Název práce v češtině: Skupinové doporučovací systémy pro doménu jídla
• Název v anglickém jazyce: Group recommender systems for food domain
• Akademický rok vypsání: 2023/2024
• 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: 20.05.2024
• Datum zadání: 24.05.2024
• Datum potvrzení stud. oddělením: 24.05.2024

Zásady pro vypracování

Řešitel nejdříve získá přehled v oblasti doporučovacích systémů pro doménu jídel a receptů se zaměřením na doporučování pro skupinu uživatelů. Cílem práce je navrhnout a implementovat aplikaci pro skupiny uživatelů, která bude obsahovat interaktivní prvky umožňující kolektivní výběr a hodnocení výsledného doporučení. Důraz bude kladen na srovnání skupinového a individuálního doporučování. V kontextu skupinového doporučování se řešitel zaměří na hodnocení férovosti a aplikaci různých metod agregace uživatelských preferencí. Práce bude využívat existující datovou sadu receptů a interakcí pro následné kolaborativní doporučování, přičemž pro individuální doporučení se předpokládá využití algoritmu EASE, nebo z něj odvozených variant.

Seznam odborné literatury

Linas Baltrunas, Tadas Makcinskas, and Francesco Ricci. 2010. Group recommendations with rank aggregation and collaborative filtering. In Procs. of the 4th ACM conference on Recommender Systems. 119–126.
Harald Steck: Calibrated recommendations, https://dl.acm.org/doi/10.1145/3240323.3240372
Harald Steck. 2019. Embarrassingly Shallow Autoencoders for Sparse Data. In The World Wide Web Conference (WWW '19)
Ladislav Peska, Stepan Balcar: Fuzzy D’Hondt’s Algorithm for On-line Recommendations Aggregation, http://proceedings.mlr.press/v109/peska19a.html
De Pessemier, T., Vanhecke, K., All, A. et al. Recipe recommendations for individual users and groups in a cooking assistance app. Appl Intell 53, 27027–27043 (2023). https://doi.org/10.1007/s10489-023-04909-6
Martin Spišák, Radek Bartyzal, Antonín Hoskovec, Ladislav Peska, and Miroslav Tůma. 2023. Scalable Approximate NonSymmetric Autoencoder for Collaborative Filtering. RecSys '23.
Da Cao, Xiangnan He, Lianhai Miao, Yahui An, Chao Yang, and Richang Hong. 2018. Attentive Group Recommendation. In The 41st International ACM SIGIR Conference on Research & Development in Information Retrieval (SIGIR '18)
Mesut Kaya, Derek Bridge, and Nava Tintarev. 2020. Ensuring Fairness in Group Recommendations by Rank-Sensitive Balancing of Relevance. In Proceedings of the 14th ACM Conference on Recommender Systems (RecSys '20)