Ing. Vojtěch Vančura, Ph.D.

Ing. Vojtěch Vančura

doc. Ing. Pavel Kordík, Ph.D.

Katedra aplikované matematiky

Doporučovací systémy často trpí tím, že nejsou schopny efektivně doporučovat uživatelům nové položky. K tomu je třeba prozkoumat podobnost položek. V této práci jsou zvukové rysy extrahovány přímo ze zvukových souborů pomocí metod hlubokého učení (AST) i klasických metod. Tyto atributy jsou následně využívány k určení podobnosti mezi položkami v rámci obsahově orientovaných a hybridních scénářů. Experimenty ukazují, že použitím modelu beeFormer nad těmito atributy lze dosáhnout srovnatelného výkonu s nejmodernějšími modely kolaborativního filtrování při zachování funkčnosti doporučování dříve neviděných položek. Tyto experimenty jsou prováděny na reálné datové sadě.

Ing. Vojtěch Vančura

Dr. rer. nat. Rodrigo Augusto da Silva Alves

Katedra aplikované matematiky

Cílem práce je prozkoumat nové způsoby evaluace doporučovacích systémů, především za pomoci vizualizačních nástrojů. V současném výzkumu je při vyhodnocování úspěšnosti modelu kladen důraz především na přesnost doporučení, méně už však na další důležité metriky, jako je rozmanitost doporučovaných věcí, rozsah pokrytí katalogu nebo možnost objevování nových věcí na úkor bestsellerů. Výsledky evaluací jsou navíc typicky prezentovány pouze ve formě agregovaných hodnot a není dále zkoumána jejich distribuce přes validační množinu uživatelů, což je důležité pro odhalení neférovosti modelu a chyb různého druhu. Práce proto nabízí sadu nových přístupů, které kombinují techniky vizualizace se stávajícími metodami offline evaluace, a které jsou implementovány jako součást frameworku zpřístupněného pod open-source licencí dalším výzkumníkům.

Práce na DSpace