Project R-16212

Interpreteerbare regelgebaseerde aanbevelingssystemen (Onderzoek)

Aanbevelingssystemen helpen om de meest relevante items uit een enorme verzameling te identificeren. In recente onafhankelijke evaluatiestudies is aangetoond dat regelgebaseerde modellen even accuraat zijn dan complexere state-of-the-art modellen. Bovendien hebben op regels gebaseerde algoritmen interessante eigenschappen, zoals het potentieel van interpreteerbaarheid, het vermogen om lokale patronen te identificeren en de ondersteuning van context attributen. Ten eerste willen we bestaande aanbevelingsalgoritmen met verschillende biases en voorspellingsstrategieën onderzoeken en onafhankelijk evalueren. Naast nauwkeurigheid bestuderen we daarbij ook de diversiteit en structuur van de resulterende modellen, die belangrijk zijn voor het kaderen van de interpreteerbaarheid van de resultaten. Ten tweede slagen we een brug tussen aanbevelingssystemen en recente multi-label classificatie methoden die een optimale set van regels leren m.b.t. een verliesfunctie. We onderzoeken of een besluitvormingstheorie de identificatie van de optimale set van regels kan garanderen m.b.t. een verliesfunctie die rekening houdt met nauwkeurigheid, complexiteit en diversiteit. We houden daarbij ook rekening met de karakteristieken van aanbeveling datasets, zoals de ongelijke distributie, impliciete feedback en schaal. Ten slotte gebruiken we nieuwe, op regels gebaseerde algoritmen die nauwkeuriger zijn dan momenteel mogelijk voor intensive care monitoring en online voor e-commerce en nieuws.

01 november 2025 - 31 oktober 2026