Un système de recommandation transparent

A Transparent Recommender System

• Auteur / Autrice : Grzegorz Mika
• Direction : Amel Bouzeghoub
• Type : Projet de thèse
• Discipline(s) : Informatique, données, IA
• Date : Inscription en doctorat le 01/02/2020
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Télécom SudParis (Evry ; 2012-....)
• Partenaire(s) de recherche : Equipe de recherche : ACMES

Mots clés

Mots clés libres

Système de recommandation sociale

Intelligence artificielle explicable

IA neuro-symbolique

Explications basées sur des règles

Réseaux de neurones en graphes

Recommandations explicables

Social Recommender System

Explainable Artificial Intelligence

Neuro-Symbolic AI

Rule-based Explanations

Graph Neural Networks

Explainable Recommendations

Résumé

De nos jours, une grande quantité du contenu Web générée par les utilisateurs est utilisée pour proposer des recommandations. Parallèlement, les réseaux sociaux sont devenus très populaires avec plus d'un milliard de comptes partagés sur des centaines de réseaux. Un problème complexe et difficile est celui de comprendre pourquoi des éléments particuliers sont recommandés à des utilisateurs spécifiques et comment les informations filtrées atteignent la bonne personne. Trouver une réponse peut aider significativement à améliorer la transparence, l'efficacité, la force de persuasion et la fiabilité. Les systèmes de recommandation sont conçus pour personnaliser, trier, agréger et mettre en évidence les informations. Les relations de confiance sociale découlant des réseaux sociaux sont importantes pour qualifier ces informations. Naturellement, la fusion des systèmes de recommandation et des réseaux sociaux avec des explications peut renforcer la précision des recommandations et améliorer l'expérience globale de l'utilisateur. La thèse se concentre sur les réseaux qui inspirent la confiance en générant des recommandations contenant des explications intuitives. L'objectif d'un système de recommandation transparent est de générer des recommandations personnalisées et explicables.

Nowadays, there is a vast amount of web content created by users, used for giving recommendations. At the same time, social networks have become very popular with over a billion accounts shared across hundreds of networks. The most challenging issue is to understand why specific items are recommended to specific users and how the filtered information reaches the right individual. Finding an answer can help the improvement of transparency, effectiveness, persuasiveness, and trustworthiness. Recommender systems are designed to personalize, sort, aggregate, and highlight information. Social trust relationships deriving from social networks are important to qualify this information. Hence, merging recommender systems and social networks with explanations can enhance the accuracy of recommendations and improve the overall user experience. The thesis focuses on networks that inspire trust by generating recommendations containing an intuitive explanation. The goal of a transparent recommender system is to generate personalized and explicable recommendations.