|
|
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...
|
|
|
Neuroevoluční umělá inteligence pro hru Dominion
Machala, Patrik ; Kuboň, David (vedoucí práce) ; Holan, Tomáš (oponent)
Obsahem této práce je jednoduché uživatelské rozhraní pro základní verzi karetní hry Dominion a návrh umělé inteligence schopné tuto hrát. Ta je navržena bez ohledu na počáteční konfiguraci hry, což umožňuje okamžitý start bez čekání na vývoj protivníka. Základem návrhu je rekurentní neuronová síť vyvinutá pomocí neuroevoluce vah. Jejím vstupem je popis herní situace a návratovou hodnotou ohodnocení karet, na základě kterého umělá inteligence provede jejich nákup. Druhá část tahu, tzv. fáze akce, je pak řízena za pomoci heuristiky. Práce se neomezuje na jedinou metodu pro vývoj inteligence, ale srovnává různé typy evoluce a odlišné počty neuronů ve skryté vrstvě. Na základě experimentů byla nejsilnějším protihráčem umělá inteligence vyvinutá kompetitivní koevolucí se střídáním populací podle jejich kvality. Výsledky vývoje jsou pak porovnány se závěry učiněnými na základě jiných umělých inteligencí pro stejnou hru, z nichž většinu potvrzují.
|
host ::
RSS.