Banca de DEFESA: DIEGO CORREA DA SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : DIEGO CORREA DA SILVA
DATA : 18/06/2025
HORA: 08:30
LOCAL: https://meet.google.com/qft-ftrk-cho
TÍTULO:

Explorando a calibração como um sistema de recomendação multiobjetivo

PALAVRAS-CHAVES:

Sistema de Recomendação, Calibração, Multi-Objetivo, Distribuição.

PÁGINAS: 139
RESUMO:

Sistemas de Recomendação Colaborativa geram recomendações personalizadas ao analisar as interações passadas dos usuários. No entanto, abordagens tradicionais frequentemente priorizam a relevância, o que leva a problemas como superespecialização, viés de popularidade e desequilíbrio de classes. Essas limitações podem resultar em listas de recomendação que não representam de forma justa todo o espectro de interesses de um usuário. Nesse sentido, Recomendações Calibradas abordam esse problema ao equilibrar relevância com justiça (calibração), garantindo que a distribuição dos itens recomendados se alinhe mais de perto com a distribuição de preferências do usuário. Por exemplo, quando o perfil do usuário é composto por 80% de Aventura e 20% de Ficção Científica, a recomendação calibrada busca gerar uma lista seguindo essa distribuição. Relevância e calibração são objetivos distintos que o sistema deve alcançar. Esse problema de múltiplos objetivos é tratado por meio de uma abordagem de balanceamento de trade-off. Esta tese aborda as recomendações calibradas como um sistema de recomendação multiobjetivo, com o objetivo de medir e melhorar a calibração da lista de recomendações utilizando as preferências do usuário como referência. Assim, dividimos os objetivos desta tese em estudos, e dentro de cada estudo, foram levantadas e respondidas perguntas de pesquisa. No primeiro estudo, realizamos uma análise sistemática de 57 métricas de justiça, introduzindo métodos inovadores para extrair distribuições de preferência dos usuários e refinar a estimativa de relevância. Como resultado, quatro métricas atingiram os mesmos quatro melhores desempenhos. No segundo estudo, exploramos o impacto mais amplo da calibração em objetivos-chave da recomendação, incluindo novidade, cobertura, personalização, inesperado e serendipidade. Nossos achados indicam que a calibração melhora a cobertura dos itens e a personalização, mantendo uma alta utilidade nas recomendações. No terceiro estudo, investigamos as propriedades estruturais das distribuições utilizadas em recomendações calibradas. Diferentemente dos sistemas tradicionais de recomendação, que operam em um espaço unidimensional, as recomendações calibradas envolvem distribuições de preferência de usuários em espaços de alta dimensão. Nossa análise mostra que listas de recomendação calibradas formam naturalmente clusters distintos de usuários, fenômeno que pode ser melhor compreendido por meio de modelos de detecção de outliers. No quarto estudo, propomos duas abordagens inovadoras para modelar as preferências dos usuários com o intuito de aprimorar a precisão e adaptabilidade das técnicas de calibração. O primeiro método incorpora ponderações sensíveis ao tempo para descartar informações de preferência desatualizadas. O segundo método introduz uma abordagem baseada em entropia para capturar melhor as preferências dos usuários em domínios onde as características dos itens são representadas por conjuntos, como filmes com múltiplos gêneros. Avaliações experimentais confirmam que essas abordagens reduzem efetivamente a descalibração ao mesmo tempo em que mantêm a precisão das recomendações. De forma geral, esta tese avança no campo das recomendações calibradas ao fornecer uma avaliação abrangente de métricas de justiça, propor técnicas inovadoras de calibração e analisar as propriedades estruturais das distribuições de preferência dos usuários.

MEMBROS DA BANCA:
Presidente - 2011187 - FREDERICO ARAUJO DURAO
Interno - 2083320 - BRUNO PEREIRA DOS SANTOS
Externo ao Programa - 2973264 - RODRIGO ROCHA GOMES E SOUZA - UFBAExterno à Instituição - ADRIANO CÉSAR MACHADO PEREIRA - UFMG
Externo à Instituição - MARCELO GARCIA MANZATO