|
|
HCI modely pro multi-objective doporučovací systémy
Machala, Patrik ; Peška, Ladislav (vedoucí práce) ; Lokoč, Jakub (oponent)
Jednou z nejvíce rozvíjejících se oblastí information retrieval (vyhledávání informací) jsou doporučovací systémy. Ty se typicky snaží o doporučení několika málo nejrelevantněj- ších neboli nejvhodnějších položek uživateli ze všech kandidátů, jejichž počet se může po- hybovat i v řádu milionů. Ukazuje se ale, že samotná relevance nestačí. Proto se tato práce zaměřuje na multi-objective doporučovací systémy využívající i tzv. beyond-relevance kri- téria kvality doporučování. Cílem práce je zjištění nových poznatků o tomto specifickém typu doporučování, a to především v dosud ne příliš prozkoumaném propojení s oblastí interakcí uživatele se systémem. Softwarovým výstupem práce je webová aplikace a upravený doporučovací systém. Tyto dvě komponenty byly použity v uživatelské studii, kde jsme mimo jiné zkoumali, zda uživatelé stojí o explicitní nastavení parametrů multi-objective doporučovacího sys- tému pomocí přidělení vah ke každému z kritérií, porovnávali různé varianty metrik pro tato kritéria a mechanismů pro nastavení vah, rozdílnou detailnost textů a vizualizace explanations. Z výsledků našeho experimentu plyne, že uživatelé vnímají přínos nastavení vah pro kritéria kvality doporučování k vylepšení doporučování. Zároveň se nám také podařilo zjistit, že nejvhodnějším mechanismem pro přidělení vah jsou...
|
|
|
Generating synthetic data for an assembly of police lineups
Dokoupil, Patrik ; Peška, Ladislav (vedoucí práce)
Fotorekognice hraje důležitou roli při policejním vyšetřování a může vést až ke stíhání a usvědčení podezřelé osoby. Během fotorekognice je svědkovi předložena sada fotografií a dále je tázán, jestli na některé z fotografií poznává pachatele. Tato sada fotografií typicky obsahuje nejvýše jednu fotografií podezřelého, často pak právě jednu takovou fotografii. Na ostatních fotografiích v sadě jsou pak vyobrazeny nevinné osoby, tzv. figuranti. Iden- tifikace podezřelého svědkem může vést až k obvinění a případně následnému usvědčení podezřelého. Sestavení fotorekognice je náročný a časově zdlouhavý proces, protože volba nevhod- ných figurantů může vést k určitému zkreslení a znatelně tak ovlivnit celý proces rekog- nice. Tohle zkreslení je obvykle způsobeno tím, že v případě figurantů, kteří jsou odlišní od podezřelého, dojde k situaci, kdy podezřelý bude znatelně vyčnívat a pro svědka tedy bude velmi snadné jej identifikovat. Zdlouhavost celého procesu je způsobena tím, že tvorba fotorekognice je z velké části prováděna manuálně, v lepším případě pak polo- automaticky. Tato práce se snaží řešit oba tyto problémy za pomocí navrhnutého modelu který bude schopný generovat umělé obrázky pro tvorbu fotorekognice a za pomocí aplikace, která uživateli na základě vstupního obrázku podezřelého vygeneruje vhodné...
|
|
|
E-commerce platform designed for continuous optimization and personalization
Dräxler, Peter ; Peška, Ladislav (vedoucí práce) ; Bernhauer, David (oponent)
Schopnost e-commerce společnosti shromažďovat, syntetizovat a využívat data může být klíčová pro její přežití. Míra, do jaké společnost dokáže shromažďovat data o zdrojích konverze, je proporcionální k její schopnosti efektivně alokovat rozpočet na reklamu / im- plementaci. Měření a optimalizace toku uživatelů na webu je stejně důležité, jelikož může přinést měřitelné zvýšení loajality uživatelů, příjmů a zisku. Stejně tak může odhalit, že mnoho zdánlivě efektivních vylepšení na papíře nemusí ve skutečných situacích fungovat tak dobře. Tato diplomová práce se zaměřuje na vývoj e-commerce platformy zaměřené na sběr a analýzu dat. Data používáme k provádění neustálých, real-time experimentů na plat- formě pomocí algoritmu contextual multi-armed bandits. Vyvíjíme doporučovací systém založený na kolaborativním filtrování a nastavujeme experiment na jeho evaluaci v reál- ných podmínkách. Platforma lze snadno propojit s nástrojem pro business intelligence, aby umožnila prozkoumávání dat a podporu managementu při rozhodování na základě informací na taktické a strategické úrovni. Platforma je vyvíjena s použitím technologie Blazor, což je nová technologie umožňu- jící použití kódu C v prohlížeči díky kompilaci do WebAssembly namísto JavaScriptu. Popisujeme zkušenosti s výhodami a výzvami při používání této...
|
|
|
Sparse Approximate Inverse for Enhanced Scalability in Recommender Systems
Spišák, Martin ; Peška, Ladislav (vedoucí práce) ; Vančura, Vojtěch (oponent)
Lineárny autoenkóder EASE by mal byť jedným z najvýkonnejších odporúčacích sys- témov na báze kolaboratívneho filtrovania pre veľké katalógy položiek s riedkou spätnou väzbou od používateľov. Váhy modelu sú však určené inverznou maticou dimenzie rovnej veľkosti katalógu. Táto inverzná matica je obvykle hustá, v dôsledku čoho môže byť v prípade veľkého počtu položiek váhová matica priveľká na držanie v pamäti počas in- ferencie. Výpočetné náklady na škálovanie modelu nad desiatky tisíc položiek tak veľmi prudko stúpajú. V práci navrhujeme modifikáciu EASE s názvom SANSA, ktorá tento problém rieši. SANSA aproximuje váhy EASE so zvolenou hustotou. Túto aproximáciu nájde pomocou end-to-end riedkej trénovacej procedúry. Pre voľbu metódy schopnej efektívne spočí- tať riedku aproximáciu veľkej inverznej matice, skúmame prístupy pre konštrukciu ried- kych približných inverzov pre účely predpodmienenia sústav lineárnych rovníc. Vybraná metóda je vhodná pre veľmi veľké sústavy so všeobecným vzorom riedkosti. Trénovacia procedúra je robustná a nájde dobrú aproximáciu modelu EASE aj na súboroch dát s hustými vzťahmi medzi položkami. Navyše, so zvyšujúcim sa počtom položiek v katalógu dosahuje SANSA bezkonkurenčnú efektivitu, a to aj v porovnaní s predchádzajúcou na- jefektívnejšou modifikáciou modelu EASE zameranou na...
|
|
|
Hybridní doporučování pro doménu knih
Varga, Ondřej ; Peška, Ladislav (vedoucí práce) ; Dokoupil, Patrik (oponent)
Bakalářská práce se zabývá tématem doporučovacích systémů, které jsou důležité zejména v e-commerce oblasti. Hlavním cílem práce bylo implementovat doporučovací systém, který by pokrýval potřeby doporučování v knižní doméně (na e-shopu zabýva- jící se prodejem knih). Těžištěm práce je implementovaný doporučovací systém, který zpracovává data dostupná pro doménu knih, nicméně je navržen obecněji tak, aby bylo možné jeho nasazení jako Recommendation-as-a-Service. Systém obsahuje jak samotné doporučovací algoritmy (kolaborativní, content-based i hybridní), tak i podporu pro jed- notlivé fáze životního cyklu doporučovaní, monitorování výkonosti doporučení a snadnou administraci pomocí interaktivního webového rozhraní. Doporučovací algoritmy jsme následně vyhodnotili, přičemž z experimentů plyne, že kolaborativní metody, zejména ALS faktorizace matic a ELSA, dosahují lepších výsledků s ohledem na metriky relevance. Nicméně hybridní přístupy a content-based metody mohou mít výhody, co se týká metrik nad rámec přesnosti, zejména Coverage a Novelty. 1
|
|
|
Similarity Models for Content-based Video Retrieval
Veselý, Patrik ; Peška, Ladislav (vedoucí práce) ; Sixtová, Ivana (oponent)
Vyhledávání multimédií je stále důležitější vzhledem k prudce rostoucímu objemu mul- timediálního obsahu. Proto je vyvíjeno mnoho nástrojů pro vyhledávání obrázků a videí, které využívají algoritmy modelování vizuální podobnosti pro vyhledávání podobných obrázků nebo tvorbu různých vizualizací. Tím pádem kvalita modelování podobnosti je pro tyto nástroje klíčová. Tato práce zkoumá různé modely podobnosti, jejich shodu s lidskými anotacemi a potenciální zlepšení. Do studie byly zahrnuty 3 třídy modelů podobnosti: modely založených na barvách, SIFTu nebo hlubokých neuronových sítí. Za tímto účelem byla provedena uživatelská studie s cílem vytvořit dataset relativních podob- ností obrázků s obecnými i specifickými obrázky. V této studii byli účastníci požádáni, aby vždy vybrali mezi dvěma možnostmi tu, která byla podobnější hlavnímu obrázku. Shromážděná data ukázala lepší výsledky modelů založených na hlubokých neuronových sítích ve srovnání s ostatními hodnocenými variantami. Nicméně všechny modely podob- nosti si vedly výrazně lépe než náhodný odhad. Abychom dále zvýšili přesnost modelů podobnosti, vyladili jsme model W2VV++ pomocí získaného datasetu. Díky tomu jsme v některých doménách dosáhli výrazného zlepšení. 1
|
|
|
Portfolio performance evaluation
Simonov, Dmitry ; Zavoral, Filip (vedoucí práce) ; Peška, Ladislav (oponent)
Cílém této práce je vyvinout nástroj pro sledování a analýzu investičních portfolií s podporou automatického stahování finančních dat a vytváření vysoce konfigurovatel- ných spojnicových grafů. Tato práce zkoumá existující nástroje pro sledování investic a porovnává je na základě jejich podporovaných funkcí. Zároveň se zabývá analýzou různých metodik hodnocení výkonnosti investice. Následně je v rámci práce vyvinuta webová aplikace využívající ASP.NET a React.js, která umožňuje uživateli importovat, vyhodnocovat a mapovat své investice. Finanční data pro sledované instrumenty jsou automaticky načítána z různých zdrojů dat pomocí ručně vytvořené knihovny, kterou lze použít pro stahování jakéhokoli druhu dat z různých zdrojů. Tato knihovna navíc pod- poruje snadné přidávání nebo nahrazovaní těchto zdrojů. Závěr této práce vyhodnocuje implementovanou aplikaci a navrhuje možná rozšíření a vylepšení. 1
|
|
|
Configurable point rasterization for large scatterplots
Kulichová, Tereza ; Hoksza, David (vedoucí práce) ; Peška, Ladislav (oponent)
Scattermore je jednoduchý balíček v jazyku R slúžiaci na vizualizáciu scatterplotov. Ešte pred svojím novým designom získal scattermore popu- laritu v cytometrickej komunite najmä kvôli svojej funkcionalite a rýchlosti. Nová verzia scattermore ponúka vysoko prispôsobiteľné API a aj táto nová podoba je opäť oveľa rýchlejšia ako štandardná vykresľovacia funkcia v Rku. Dôvodom je skutočnosť, že niektoré časti kódu má balíček implementované v jazyku C. V scattermore je možné vykresľovat body a čiary, kombinovať dáta rôznymi spôsobmi a zároveň sa vyhnúť over-plottingu. Okrem toho prevedená analýza ponúka potenciálne optimalizácie v rýchlosti čo sa týka pamäťovej využiteľnosti a paralelizácie. 1
|
|
|
Fairness in group recommender systems
Maleček, Ladislav ; Peška, Ladislav (vedoucí práce) ; Lokoč, Jakub (oponent)
Cílem této diplomové práce je prozkoumat oblast skupinových doporučovacích systémů s důrazem na férovost. V hlavní části práce jsme vytvořili novou agregační metodu, Exactly Proportional Fuzzy D'Hondt's Aggregation, která funguje nad jednouživatelskými doporučovacími systémy. Metodu jsme vyhodnotili na pěti datasetech, ve třech různých scénářích doporučování a s dvěma různými typy uměle vytvořených skupin. Navržený algoritmus fungoval příznivě, s ohledem na několik metrik spravedlivosti a zároveň si zachoval rozumnou relevantnost doporučení. Dále jsme vytvořili sadu nástrojů, které usnadňují proces vyhod- nocování skupinových doporučovacích systémů. Hlavními částmi jsou nástroje pro stahování dat, faktorizaci matic a skripty pro vytváření umělých skupin. Věříme, že tyto nástroje mohou přispět k reprodukovatelnějšímu výzkumu v oblasti skupinových doporučovacích systémů. 1
|
|
|
Visual Explanations in Music Recommender Systems
Savčinský, Richard ; Peška, Ladislav (vedoucí práce) ; Petříček, Tomáš (oponent)
Hudobné doporučenia algoritmov ktoré majú vedúce postavenie v odvetví sú produktom hybridného systému kombinujúceho viacero techník. V konečnom dôsledku je však užívateľ ponechaný bez dodatočných informácií, prečo je vo výsledku prítomná určitá pieseň. Jedným zo spôsobov, ako zlepšiť zážitok používateľa, je poskytnúť takzvané vizuálne explanations. Na tento účel sme v našej práci navrhli rôzne formy vizuálnych explanations doporučených dát zo Spotify API. Hlavným cieľom bolo zdôrazniť dôležité skryté vzťahy medzi známou a novou hudbou, ktoré využíva Spotify, ale zároveň využiť skutočné zvukové vlastnosti na vytvorenie nášho vlastného doporučovacieho systému. Vyvinuli sme modernú mobilnú aplikáciu, ktorá umožňuje používateľom skúmať a interagovať s vizualizáciou ich vlastného hudobného vkusu a tiež poskytuje nástroje na prispôsobenie celého procesu.
|
host ::
RSS.