Multiobjective modely pro skupinové doporučovací systémy

• Název práce v češtině: Multiobjective modely pro skupinové doporučovací systémy
• Název v anglickém jazyce: Multiobjective models for group recommender systems
• Klíčová slova anglicky: recommender systems|group recommenders
• Akademický rok vypsání: 2023/2024
• Typ práce: diplomová práce
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: Mgr. Ladislav Peška, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 22.05.2024
• Datum zadání: 24.05.2024
• Datum potvrzení stud. oddělením: 26.05.2024

Zásady pro vypracování

Řešitel nejdříve získá přehled v oblasti doporučovacích systémů se zaměřením na problematiku férovosti, multiobjective a multi-stakeholder recommender systémy a doporučování pro skupiny uživatelů. Skupinové doporučovací systémy jsou inherentně multikriteriální, kde výsledné doporučení by mělo optimalizovat jak celkovou relevanci, tak i férovost z pohledu jednotlivých členů skupiny. Nicméně, férovostní objectives jsou typicky zahrnovány pouze v rámci post-processingu prvotních doporučení (viz. např. [8]). Řešitel v rámci diplomové práce prozkoumá otázku, zda je možné některé vhodně zvolené doporučovací metody navrhnout/upravit tak, aby férovost vůči jednotlivým členům skupiny zahrnuly už v procesu tréninku či inference (tedy bez nutnosti post-processingu).

Seznam odborné literatury

[1] 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.
[2] Harald Steck: Calibrated recommendations, https://dl.acm.org/doi/10.1145/3240323.3240372
[3] Harald Steck. 2019. Embarrassingly Shallow Autoencoders for Sparse Data. In The World Wide Web Conference (WWW '19)
[4] Ladislav Peska, Stepan Balcar: Fuzzy D’Hondt’s Algorithm for On-line Recommendations Aggregation, http://proceedings.mlr.press/v109/peska19a.html
[5] 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
[6] Martin Spišák, Radek Bartyzal, Antonín Hoskovec, Ladislav Peska, and Miroslav Tůma. 2023. Scalable Approximate NonSymmetric Autoencoder for Collaborative Filtering. RecSys '23.
[7] 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)
[8] 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)