Перегляд за автором "Leshchynska, I."
Зараз показано 1 - 4 з 4
Результатів на сторінку
Варіанти сортування
Публікація Designing explanations in the recommender systems based on the principle of a black box(2019) Chalyi, S.; Leshchynskyi, V.; Leshchynska, I.The subject matter of the article is the process of designing of explanations in the recommender system. The goal is to develop a conceptual model for designing explanations in recommender systems based on the black box principle. Such a model binds the conditions, the result and the constraints on the choice of objects from the user's position. The user should receive justification of the recommendations taking into account context-oriented possibilities of using the proposed objects. Tasks: to adapt the principle of a black box to the task of constructing explanations in the recommender system; to develop a conceptual scheme for constructing explanations according to the functional principle; to develop a conceptual model for the designing` of explanations based on the principle of a black box. The principle used is: functional, or the principle of a black box. The following results are obtained. The principle of the black box to the problem of constructing explanations in the recommender system was adapted. The conceptual scheme of constructing explanations on the basis of a functional principle is developed, taking into account both the properties of objects and the sequences of their use. The conceptual model of the explanation based on the black box principle is developed. Предметом вивчення в статті є процеси формування пояснень в рекомендаційних системах. Метою є розробка концептуальної моделі формування пояснень в рекомендаційних системах за принципом чорного ящику. Така модель зв’язує умови, результат та обмеження щодо вибору об’єктів з позицій користувача. Користувач має отримати обґрунтування рекомендацій з урахуванням контекстно-орієнтованих можливостей використання запропонованих об’єктів. Завдання: адаптувати принцип чорного ящику до задачі побудови пояснень в рекомендаційній системі; розробити концептуальну схему побудови пояснень за функціональним принципом; розробити концептуальну модель формування пояснень за принципом чорного ящика. Використовуваними принципами є: функціональний, або принцип чорного ящику. Отримані наступні результати. Адаптовано принцип чорного ящику до задачі побудови пояснень в рекомендаційній системі. Розроблено концептуальну схему побудови пояснень на основі функціонального принципу з врахуванням як властивостей об’єктів, так і послідовностей їх використання. Розроблено концептуальну модель формування пояснень за принципом чорного ящику.Публікація Detailing explanations in the recommender system based on matchintemporal knowledge(2020) Chalyi, S.; Leshchynskyi, V.; Leshchynska, I.Розглянуто проблему узгодження знань у темпоральному аспекті при побудові пояснень щодо рекомендацій. Узгодження дає можливість зменшити вплив суперечливих знань на пояснення в рекомендаційній системі. Запропоновано модель подання знань у формі темпорального правила з обмеженням пояснення. Темпоральне правило задає порядок в часі для двох множин однотипних подій, що виникли на двох різних інтервалах часу. Обмеження пояснення встановлює відповідність між представленим за допомогою правила темпоральних порядком для пари інтервалів та описом темпоральної динаміки для заданого періоду часу. Така динаміка відображається поясненням рекомендації. Модель призначена для узгодження знань з урахуванням обмеження пояснення, а також подальшого використання узгоджених знань для уточнення пояснень щодо результатів роботи інтелектуальної системи. Розроблено метод уточнення пояснень в рекомендаційної системі на базі узгодження знань у формі темпоральних правил. В якості вихідних даних метод використовує записи про покупки товарів, послуг або виставлення їх рейтингів. Метод виділяє узгоджену в темпоральному аспекті підмножину правил, які показують таку ж динаміку попиту споживачів щодо цільового предмету (збільшення або зменшення), як і пояснення в рекомендаційній системі. Узгодження темпоральних знань дозволяє сформувати уточнений перелік пояснень. Цей перелік включає в себе базове та уточнююче пояснення. Базове пояснення відображає динаміку інтересів користувачів для всього заданого періоду часу. Уточнююче пояснення задає зміни попиту для окремих інтервалів в рамках заданого періоду часу. Використання у поясненні темпоральної динаміки вподобань користувачів орієнтовано на збільшення довіри до отриманих рекомендацій. The problem of matching knowledge in the temporal aspect when constructing explanations for recommendations is considered. Matching allows reducing the influence of conflicting knowledge on the explanation in a recommender system. A model of knowledge representation in the form of a temporal rule with the explanation constraint is proposed. The temporal rule sets the order for two sets of events of the same type that occurred at two different time intervals in time. An explanation constraint establishes a correspondence between the temporal order represented by the rule for a pair of intervals and the description of temporal dynamics for a given time period. This dynamic is represented by the explanation of the recommendation. The model is designed to match knowledge, taking into account the explanation constraint, as well as further use the matched knowledge to clarify explanations based on the results of the intelligent system. A method for clarifying explanations in a recommender system based on knowledge matching in the form of temporal rules is developed. The method uses records of purchases of goods, services or their ratings as input data. The method identifies a subset of rules matched in the temporal aspect, which represent the same dynamics of consumer demand for the target item (increase or decrease) as explanations in the recommender system. Matching of temporal knowledge makes it possible to form a refined list of explanations. This list includes basic and clarifying explanations. The basic explanation reflects the dynamics of user interests for the entire given period of time. Clarifying explanation specifies changes in demand for individual intervals within a given time period. The use of the temporal dynamics of user preferences in the explanation is aimed at increasing confidence in the received recommendationsПублікація Method of forming recommendations using temporal constraints in a situation of cyclic cold start of the recommender system(2020) Chalyi, S.; Leshchynskyi, V.; Leshchynska, I.The problem of the formation of the recommended list of items in the situation of cyclic cold start of the recommendation system is considered. This problem occurs when building recommendations for occasional users. The interests of such consumers change significantly over time. These users are considered “cold” when accessing the recommendation system. A method for building recommendations in a cyclical cold start situation using temporal constraints is proposed. Temporal constraints are formed on the basis of the selection of repetitive pairs of actions for choosing the same objects at a given level of time granulation. Input data is represented by a set of user choice records. For each entry, a time stamp is indicated. The method includes the phases of the formation of temporal constraints, the addition of source data using these constraints, as well as the formation of recommendations using the collaborative filtering algorithm. The proposed method makes it possible, with the help of temporal constraints, to improve the accuracy of recommendations for “cold” users with periodic changes in their interests. Розглянуто проблему формування рекомендованого переліку пунктів у ситуації циклічного холодного початку системи рекомендацій. Ця проблема виникає при складанні рекомендацій для випадкових користувачів. Інтереси таких споживачів з часом значно змінюються. Ці користувачі вважаються "холодними" під час доступу до системи рекомендацій. Запропоновано метод побудови рекомендацій у циклічній ситуації з холодним початком із застосуванням тимчасових обмежень. Тимчасові обмеження формуються на основі вибору повторюваних пар дій для вибору одних і тих же об'єктів на заданому рівні гранулювання часу. Вхідні дані представлені набором записів про вибір користувача. Для кожного запису вказується штамп часу. Метод включає фази формування тимчасових обмежень, додавання вихідних даних з використанням цих обмежень, а також формування рекомендацій з використанням алгоритму спільної фільтрації. Запропонований метод дає змогу за допомогою тимчасових обмежень підвищити точність рекомендацій для "холодних" користувачів з періодичними змінами їх інтересів.Публікація Multilevel personalization of explanations in recommender systems(2020) Chalyi, S.; Leshchynsky, V.; Leshchynska, I.The subject matter of the article is the process of building a personalized list of objects in recommendation systems. The goal is to develop a generalized formal description of the multi-level presentation of explanations in recommendation systems to personalize these explanations, taking into account the features of the use of recommended subjects. Such a description provides a formal framework for constructing a multi-level model of explanation, taking into account the static and dynamic characteristics of the subject area. Tasks: structuring the multi-level presentation of explanations in recommendation systems taking into account differences in the possibilities of personalizing explanations using data and knowledge; development of a formal presentation of explanations at the levels of data, information, knowledge and metacognition, taking into account the relationships between these levels. The approaches used are: approaches to the construction of explanations based on the similarity of user interests and properties of user demand items. The following results are obtained. The levels of explanation description are structured taking into account knowledge about the context of consumer choice. A formal description of the multi-level presentation of explanations in recommendation systems is proposed. Предметом вивчення в статті є процеси побудови персоналізованого переліку предметів в рекомендаційних системах. Метою є розробка узагальненого формального опису багаторівневого представлення пояснень в рекомендаційних системах для персоналізації таких пояснень з урахуванням особливостей використання рекомендованих предметів. Даний опис задає формальні рамки для побудови багаторівневої моделі пояснення з урахуванням статичних та динамічних характеристик предметної області. Завдання: структуризація багаторівневого представлення пояснень у рекомендаційних системах з урахуванням відмінностей у можливостях персоналізації витлумачень за допомогою даних та знань; розробка формального представлення пояснень на рівнях даних, інформації, знань та мета-знань з урахуванням зв'язків між цими рівнями. Використовуваними підходами є: підходи до побудови пояснень на основі схожості інтересів користувачів та властивостей предметів користувацького попиту. Отримані наступні результати. Виконано структуризацію рівнів опису пояснення з урахуванням знань щодо контексту вибору споживача. Запропоновано формальний опис багаторівневого представлення пояснень у рекомендаційних системах.