Dissertação
Context-aware Session-based Recommendation: An Attentional Deep Learning approach to Re-ranking EVALUATED
Os sistemas de recomendação moderam uma quantidade substancial da interface de interação online, fornecendo uma gama cada vez mais relevante de benefícios para utilizadores e fornecedores de negócios, numa era de crescimento exponencial de conteúdos, produtos e serviços digitais disponíveis. Alguns domínios, como aplicações de viagens e de e-commerce, estão dependentes de perfis de atividade esporádica e maioritariamente anónima, permitindo apenas acesso a dinâmicas derivadas de sessões de curto prazo que exigem soluções robustas independentes de perfis de utilizadores estruturados. Este trabalho abrange o desenvolvimento de um sistema de recomendação para re-ranking com deep learning e mecanismos de atenção, sujeito a estas condições desafiadoras, com base nos dados fornecidos para o 2019 ACL Recommender Systems Challenge. A abordagem desenvolvida demonstra um resultado no 85º percentil (em termos de MRR online previsto, considerando um intervalo de resultados limitado a valores superiores aos da baseline fornecida) com geração mínima de features num ambiente computacional bastante restritivo. As várias inconsistências inerentes ao campo de investigação, incluindo a divergência proeminente entre objetivos de produção offline e online, motivaram uma mudança no foco principal do trabalho de desempenho ao nível da tabela classificativa, que normalmente recompensa o excesso de engenharia de features e complexidade de modelos. Em alternativa, foi enfatizada a análise do potencial de aprendizagem de representações e do impacto dos componentes específicos da arquitetura obtida, derivados de um procedimento de Otimização Bayesiana automática com Processos Gaussianos sobre um espaço de hiperparâmetros altamente condicional.
outubro 7, 2021, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Mecânica (DEM)
Professor Catedrático
ORIENTADOR
Susana Margarida da Silva Vieira
Departamento de Engenharia Mecânica (DEM)
Professor Associado