Algoritmos para explicação responsável de recomendações.

• Ano de defesa: 2023
• Autor(a) principal: Souza, Douglas Luan de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Explainable Artificial Intelligence (XAI); Interpretabilidade e explicabilidade; Machine learning; Recommender systems; Sistemas de recomendação
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-05022024-111423/

Sistemas de Recomendação tem sido cada vez mais presentes em produtos digitais como e-commerce e redes sociais. Um das razões para o seu sucesso é a sua crescente capacidade de predizer quais itens irão agradar seus usuários. No entanto, há cenários onde as recomendações podem não estar sendo geradas segundo os interesses dos usuários. Isto pode acontecer porque o sistema incentiva que o usuário passe horas assistindo vídeos curtos, ou porque ele recomenda algum produto que não tem a relação custo-benefício que seria melhor para o cliente. Nestes casos, seria desejável que os usuários pudessem entender as razões que levaram à recomendação. Além disso, usuários se beneficiariam ao compreender quais são as desvantagens de seguir a recomendação dada. Neste trabalho, propomos métodos para geração de razões a favor e razões contra uma determinada recomendação, baseados na teoria de Snedegar para raciocínio prático. Mostramos que estes métodos são aplicáveis na prática em um contexto educacional, usando um sistema de recomendação de disciplinas.