Menu



Exportar registro bibliográfico

Tese

Limits to surprise of recommender systems (2019)

  • Authors:
  • Autor USP: LIMA, ANDRÉ PAULINO DE - EACH
  • Unidade: EACH
  • Assunto: MINERAÇÃO DE DADOS
  • Keywords: Avaliação Off-Line; Beyond-accuracy Objectives; Distribuição de Distância entre Pares; Filter Bubble; Filtro Invisível; Objetivos Além da Acurácia; Off-line Evaluation; One Plus Random; Over-specialisation; Pairwise Distance Distribution; Recommender Systems; Serendipidade; Serendipity; Sistemas de Recomendação; Superespecialização; Surpresa; Surprise; Unexpectedness
  • Language: Inglês
  • Abstract: A surpresa é um componente importante da serendipidade. Nesta pesquisa, abordamos o problema de medir a capacidade de um sistema de recomendação de incorporar surpresa em suas recomendações. Mostramos que as mudanças na surpresa de um item, devidas ao crescimento da experiência do usuário e ao aumento do número de itens no repositório, não são consideradas pelas métricas e métodos de avaliação atuais. Como resultado, na medida em que aumenta o tempo decorrido entre duas medições, essas se tornam cada vez mais incomensuráveis. Isso se apresenta como um desafio adicional na avaliação do grau em que um sistema de recomendação está exposto a condições desfavoráveis como superespecialização ou filtro invisível. Argumentamos que a) surpresa é um recurso finito em qualquer sistema de recomendação; b) há limites para a quantidade de surpresa que pode ser incorporada em uma recomendação; e c) esses limites nos permitem criar uma escala na qual duas medições que foram tomadas em momentos diferentes podem ser comparadas diretamente. Ao adotar essas ideias como premissas, aplicamos o método dedutivo para definir os conceitos de surpresa potencial máxima e mínima e projetar uma métrica denominada "surpresa normalizada", que emprega esses limites. Nossa principal contribuição é um método de avaliação que estima a surpresa normalizada de um sistema... (Continua)(Continuação) Quatro experimentos foram realizados para testar as métricas propostas. O objetivo do primeiro e do segundo experimentos foi validar a qualidade das estimativas de surpresa potencial mínima e máxima obtidas por meio de um algoritmo guloso. O primeiro experimento empregou um conjunto de dados sintético para explorar os limites de surpresa para um usuário, e o segundo empregou o Movielens-1M para explorar os limites da surpresa que pode ser incorporada em uma lista de recomendações. O terceiro experimento também empregou o conjunto de dados Movielens-1M e foi desenvolvido para investigar o efeito que mudanças na representação de itens e na comparação de itens exercem sobre a surpresa. Finalmente, o quarto experimento compara os métodos de avaliação atual e proposto em termos de seus resultados e tempos de execução. Os resultados que foram obtidos dos experimentos a) confirmam que a qualidade das estimativas de surpresa potencial são adequadas para o propósito de avaliar surpresa normalizada; b) mostram que o modelo de representação e comparação de itens adotado exerce um forte efeito sobre a surpresa; e c) apontam uma associação entre graus de surpresa elevados e distribuições assimétricas negativas de distâncias, e também apontam diferenças significativas na surpresa normalizada média de recomendações produzidas por um algoritmo de fatoração quando a surpresa emprega a distância do cosseno ou a distância Euclidiana
  • Imprenta:
  • Data da defesa: 15.03.2019
    • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      LIMA, André Paulino de. Limits to surprise of recommender systems. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-15042019-175412/. Acesso em: 28 dez. 2025.

    • APA

      Lima, A. P. de. (2019). Limits to surprise of recommender systems (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/100/100131/tde-15042019-175412/

    • NLM

      Lima AP de. Limits to surprise of recommender systems [Internet]. 2019 ;[citado 2025 dez. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-15042019-175412/

    • Vancouver

      Lima AP de. Limits to surprise of recommender systems [Internet]. 2019 ;[citado 2025 dez. 28 ] Available from: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-15042019-175412/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2025