Vysvětlitelné a upravitelné doporučování volnočasových aktivit

• Název práce v češtině: Vysvětlitelné a upravitelné doporučování volnočasových aktivit
• Název v anglickém jazyce: Explainable and Steerable POI Recommendations
• Klíčová slova: doporučovací systémy|sparse autoencoders|POI
• Klíčová slova anglicky: recommender systems|sparse autoencoders|poi
• Akademický rok vypsání: 2024/2025
• Typ práce: diplomová práce
• Ústav: Katedra softwarového inženýrství (32-KSI)
• Vedoucí / školitel: Mgr. Ladislav Peška, Ph.D.
• Řešitel: skrytý - zadáno vedoucím/školitelem, čeká na schválení garantem
• Datum přihlášení: 30.06.2025
• Datum zadání: 11.07.2025

Zásady pro vypracování

Student se nejprve seznámí s problematikou doporučovacích systémů, specifiky doporučování points-of-interests, oblastí mechanistic interpretability, zejména pak sparse autencoders a jejich potenciálem pro diesntanglement embeddingů. Hlavním cílem je navrhnout a implementovat doporučovací systém pro volnočasové aktivity založený na sparse autoenkodérech, který umožní uživatelům porozumět důvodům doporučení a aktivně ovlivňovat své uživatelské profily / výsledné doporučení. Součástí práce je implementace samotné metody pro steering a explanation doporučení, proof-of-concept uživatelského rozhraní pro ovlivňování doporučování a vyhodnocení efektivity celé pipeline.

Seznam odborné literatury

Ricci, F., Rokach, L., & Shapira, B. (Eds.). (2022). Recommender Systems Handbook (3rd ed.). Springer. https://doi.org/10.1007/978-1-0716-2197-4
O'Neill, C., Ye, C., Iyer, K., & Wu, J. F. (2024). Disentangling dense embeddings with sparse autoencoders. arXiv. https://doi.org/10.48550/arXiv.2408.00657
Hasan, E., Rahman, M., Ding, C., Huang, J., & Raza, S. (2025). Review-based recommender systems: A survey of approaches, challenges and future perspectives. ACM Computing Surveys. https://doi.org/10.1145/3742421
Ma, C., et al. (2023). ReEL: Review-aware explanation of location recommendation. Proceedings of the ACM Web Conference 2023, 1234-1245. https://doi.org/10.1145/3209219.3209237
Liang, J., et al. (2022). Explainable next POI recommendation based on spatial–temporal disentanglement representation and pseudo profile generation. Expert Systems with Applications, 195, 116583. https://doi.org/10.1016/j.knosys.2024.112784
Bostandjiev, S., O'Donovan, J., & Höllerer, T. (2012). TasteWeights: A visual interactive hybrid recommender system. Proceedings of the Sixth ACM Conference on Recommender Systems, 35-42. https://doi.org/10.1145/2365952.2365964
Knijnenburg, B. P., et al. (2012). Explaining the user experience of recommender systems. User Modeling and User-Adapted Interaction, 22(4-5), 441-504. https://doi.org/10.1007/s11257-011-9118-4
Vig, J., Sen, S., & Riedl, J. (2009). Tagsplanations: Explaining recommendations using tags. Proceedings of the 14th International Conference on Intelligent User Interfaces, 47-56. https://doi.org/10.1145/1502650.1502661

Předběžná náplň práce

Současné doporučovací systémy dosahují vysoké přesnosti díky komplexním latentním reprezentacím, které jsou však často neprůhledné a obtížně ovladatelné. Cílem této práce je využít sparse autoenkodéry integrované do architektury kolaborativního filtrování k transformaci latentních vektorů na interpretovatelné a uživatelsky ovlivnitelné reprezentace preferencí v doméně volnočasových aktivit (tzv. points of interest, POIs). Práce navazuje na aktuálně recenzovaný článek vedoucího práce a adaptuje jeho výsledky do cílové domény (POI recommendations).