Résumé : Les systèmes de recommandation ont été proposés dans les années 1990 et, depuis cela, la plupart des travaux dans ce domaine se concentrent sur la recherche visant à augmenter la précision des prédictions des préférences des utilisateurs. Cependant, certains problèmes surviennent lorsqu’un système est trop précis dans ses recommandations, notamment la génération de bulles de filtres et le biais de popularité. Un autre problème est lié à la nature de boîte noire des algorithmes, qui fournissent des recommandations très précises mais qui ne sont pas explicables, ce qui suscite la méfiance des utilisateurs. Comment proposer des systèmes plus responsables qui généreront des recommandations plus diverses et plus explicables ? C’est la question à laquelle mon projet de recherche vise à répondre. Plus précisément, j’explorerai l’utilisation de graphes de connaissances et de réseaux neuronaux de graphes pour générer des recommandations explicables.
Mots clés : systèmes de recommandation, IA explicable, IA fiable, réseaux de neurones à graphes.
Short-bio : Guilherme a obtenu son doctorat en informatique en 2018 à l’Université fédérale de Rio Grande do Sul (l’une des cinq meilleures universités du Brésil). Depuis 2019, il travaille comme chercheur postdoctoral au sein de l’équipe BIRD (anciennement KIWI) au LORIA à Nancy. Guilherme a de l’expérience dans les systèmes de recommandation, l’analyse des données, l’analyse de l’apprentissage, et dans la diversité de la recommandation de nouvelles. Son expérience est prouvée par ses publications dans des revues et conférences internationales sur le sujet.
Lien vers la page web : https://sites.google.com/view/guilherme-medeiros-machado/home