Interpretable recommender systems / Nadhir Mazari Boufares (2024) 

Public ISBD Titre : Interpretable recommender systems : a hybrid architecture with logical and collaborative filtering layers Type de document : document électronique Auteurs : Nadhir Mazari Boufares, Auteur ; Samia Beldjoudi, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2024 Importance : 1 fichier PDF (10 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 70 - 72 Langues : Anglais (eng) Mots-clés : Recommendation system Reasoning Interpretability Index. décimale : PI02524 Résumé : Recommender systems (RSs) are rapidly evolving with increasing personalization to meet new constraints and improve performance on digital platforms. However, a significant issue remains: the lack of transparency in their decision-making, particularly with black-box approaches. Integrating logical reasoning and symbolic methods offers a promising solution for enhancing interpretability, but these methods are often underutilized. This thesis proposes a novel RS model that enhances interpretability for end users. Our architecture integrates a logical layer for generating rules from user and item attributes, alongside a graph convolutional network for collaborative filtering. By combining these components, our model generates recommendation scores with improved transparency and interpretability. Interpretable recommender systems : a hybrid architecture with logical and collaborative filtering layers [document électronique] / Nadhir Mazari Boufares, Auteur ; Samia Beldjoudi, Directeur de thèse . - [S.l.] : [s.n.], 2024 . - 1 fichier PDF (10 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2024 Bibliogr. p. 70 - 72 Langues : Anglais (eng) Mots-clés : Recommendation system Reasoning Interpretability Index. décimale : PI02524 Résumé : Recommender systems (RSs) are rapidly evolving with increasing personalization to meet new constraints and improve performance on digital platforms. However, a significant issue remains: the lack of transparency in their decision-making, particularly with black-box approaches. Integrating logical reasoning and symbolic methods offers a promising solution for enhancing interpretability, but these methods are often underutilized. This thesis proposes a novel RS model that enhances interpretability for end users. Our architecture integrates a logical layer for generating rules from user and item attributes, alongside a graph convolutional network for collaborative filtering. By combining these components, our model generates recommendation scores with improved transparency and interpretability.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00861	PI02524	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

MAZARI-BOUFARES.Nadrih.pdf URL