Explicabilidad Sostenible para Sistemas de Recomendación mediante Ranking Bayesiano de Imágenes

Abstract

[Abstract]: Los Sistemas de Recomendacion se han vuelto cruciales por su gran influencia en la sociedad pero, siendo mayoritariamente sistemas de caja negra, fomentar su transparencia es tan primordial como complejo; utilizar contenido visual creado por los usuarios para explicar nuevas recomendaciones es una opcion prometedora para maximizar su confianza. Los algoritmos existentes presentan arquitecturas altamente optimizadas pero modelan de forma indirecta y suboptima la selección de mejores imagenes como explicaciones, provocando un entrenamiento ineficiente y un alto coste computacional que no puede ser reducido sin afectar al rendimiento del modelo. Este trabajo presenta BRIE, un nuevo modelo basado en Ranking Bayesiano por Pares que mejora el proceso de entrenamiento, supera al Estado del Arte en conjuntos de datos reales, y reduce en un 98 % el tamano de los modelos y en un 75 % las emisiones de CO2.