Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2019-108965GB-I00

Financiado

Cerrado

MAS ALLA DE LA RECOMENDACION ESTATICA: EQUIDAD, INTERACCION Y TRANSPARENCIA

EL CAMPO DE LOS SISTEMAS DE RECOMENDACION SE HA LIMITADO HASTA LA FECHA, EN LINEAS GENERALES, A UNA PERSPECTIVA ESTRECHA DEL MODO EN QUE OPERA UN SISTEMA DE RECOMENDACION, LA RECOMENDACION SE ABORDA COMO UNA ACCION DE UN SOLO PASO... ver más

01/01/2019

UAM

99K€

Presupuesto del proyecto: 99K€

Líder del proyecto

UNIVERSIDAD AUTÓNOMA DE MADRID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 3186

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01 No tenemos la información de la convocatoria

0% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UAM

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDAD AUTÓNOMA DE MADRID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 3186

Presupuesto del proyecto 99K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL CAMPO DE LOS SISTEMAS DE RECOMENDACION SE HA LIMITADO HASTA LA FECHA, EN LINEAS GENERALES, A UNA PERSPECTIVA ESTRECHA DEL MODO EN QUE OPERA UN SISTEMA DE RECOMENDACION, LA RECOMENDACION SE ABORDA COMO UNA ACCION DE UN SOLO PASO, EN LA QUE UN SISTEMA RECIBE UNA CIERTA CANTIDAD DE OBSERVACIONES SOBRE UN CONJUNTO DE USUARIOS, Y EMITE EN RESPUESTA UN RANKING DE OPCIONES PARA CADA USUARIO, EN UN CONTEXTO DE EVALUACION, UN EXPERIMENTADOR COMPARA LAS RECOMENDACIONES EMITIDAS CONTRA ALGUNA EVIDENCIA DE LOS GUSTOS DE LOS USUARIOS, Y DEVUELVE UN CONJUNTO DE METRICAS EN BASE A LAS CUALES SE REPORTAN VALORACIONES Y COMPARACIONES DE LA EFECTIVIDAD DEL SISTEMA, Y EL PROBLEMA TERMINA AHI, SIN EMBARGO EN LA REALIDAD LA RECOMENDACION NO ES UNA ACCION UNICA Y AISLADA, SINO QUE COMPORTA UNA NARRATIVA QUE SE DESARROLLA A LO LARGO DEL TIEMPO EN UN ENTORNO COMPLEJO, SUJETA A INFLUENCIAS QUE MOLDEAN LAS OBSERVACIONES, EL COMPORTAMIENTO Y LAS DERIVAS DEL SISTEMA DE MODO FUNDAMENTAL, LOS ALGORITMOS DE RECOMENDACION SE HAN DESPLEGADO ASIMISMO COMO CAJAS NEGRAS RESPECTO AL USUARIO, QUE GENERALMENTE SE VE LEJOS DE PODER ENTENDER LA MAGIA QUE GENERA UNAS RECOMENDACIONES SUPUESTAMENTE INTELIGENTES,EN ESTE PROYECTO ABORDAMOS ESTAS CUESTIONES A VARIOS NIVELES INTERRELACIONADOS, POR UN LADO BUSCAMOS UNA COMPRENSION MAS PROFUNDA DE COMO EL SESGO OBSERVACIONAL INCIDE EN LA EVALUACION OFFLINE, Y COMO LOS SESGOS OPERAN DENTRO DE LOS ALGORITMOS, CON EL FIN DE PROGRESAR HACIA UN MEJOR MANEJO DE ESTOS SESGOS, LOS AVANCES RECIENTES EN TECNICAS DE ELIMINACION DE SESGOS (OFF-POLICY EVALUATION) SE REVISARAN EN ESTA DIRECCION, Y SE INVESTIGARAN VARIANTES O APROXIMACIONES ALTERNATIVAS PARA SUPERAR LAS LIMITACIONES ACTUALES DE ESTAS TECNICAS, CONSIDERAREMOS NUEVAS PERSPECTIVAS, TALES COMO SESGOS COMPLEJOS QUE IMPLICAN PARES DE ELEMENTOS (P,E, USUARIOS) Y OTRAS VARIABLES INDEPENDIENTES COMO EL TIEMPO, POR OTRA PARTE, COMO MEDIO PARA GESTIONAR EL CICLO DE REALIMENTACION COMO SESGO PARTICULAR Y GENERALIZADO EN SISTEMAS DE RECOMENDACION EN PRODUCCION, EL PROYECTO INVESTIGARA LA APLICACION DE TECNICAS DE APRENDIZAJE POR REFUERZO A LA TAREA DE RECOMENDACION, EN EL ENTENDIMIENTO PLENO DE LA RECOMENDACION COMO UN PROCESO CICLICO, ESTA PERSPECTIVA BUSCARA MEJORAR LA EFECTIVIDAD DE LA RECOMENDACION EN PERSPECTIVAS DE MEDIO Y LARGO PLAZO, Y PREVENIR EFECTOS RECURSIVOS DE CONCENTRACION (RICH-GETS-RICHER), CONSIDERANDO QUE LAS PARTES (PERSONAS Y NEGOCIOS) IMPLICADAS EN EL LADO DE LOS ITEMS PUEDEN TAMBIEN, EN MUCHAS APLICACIONES, ESPERAR UN SERVICIO EQUILIBRADO Y JUSTO, CONSIDERAREMOS ASIMISMO NUEVAS PERSPECTIVAS EN ESTE AMBITO, TALES COMO LA NOVEDAD, DIVERSIDAD, Y LOS FALSOS POSITIVOS, MAS ALLA DE LAS METRICAS ORIENTADAS A RELEVANCIA Y VERDADEROS POSITIVOS, EN LAS QUE LA INVESTIGACION EN ESTA AREA SE HA ENFOCADO HASTA AHORA, SE DESARROLLARAN TECNICAS DE EXPLICACION PARA MEJORAR LA TRANSPARENCIA DE LA RECOMENDACION Y, COMO CONSECUENCIA, LA CONFIANZA DEL USUARIO AL COMPRENDER MEJOR POR QUE SE LE RECOMIENDA ALGO, EL PRINCIPIO DE TRANSPARENCIA SE EXTENDERA MAS ALLA, A TODA LA INTERACCION CON LOS USUARIOS MEDIANTE AGENTES CONVERSACIONALES, JUNTO CON LA MEJORA DIRECTA DE LA EXPERIENCIA DEL USUARIO MEDIANTE MODOS DE INTERACCION MAS NATURALES, SE PERSEGUIRA CON ELLO ENRIQUECER LA INFORMACION QUE EL SISTEMA PUEDE CAPTURAR EN CADA PASO DEL PROCESO, PERMITIENDO MEJORAS ADICIONALES DE EFECTIVIDAD EN LOS ALGORITMOS INTERNOS DE RECOMENDACION, SISTEMAS DE RECOMENDACION\SESGO ALGORITMICO\RECOMENDACION INTERACTIVA\APRENDIZAJE POR REFUERZO\BANDIDOS MULTI-BRAZO\RECOMENDACION CONVERSACIONAL\EXPLICACION\EVALUACION

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores