sreda, 13. maj 2026 Francesco Ricci: prihodnost priporočilnih sistemov
Vabimo vas na predavanje Francesca Riccija, ki bo potekalo v ponedeljek, 25. 5. 2026, ob 16. uri, v
Veliki predavalnici VP3, UP FAMNIT.
Predavatelj je redni profesor računalništva na Svobodni univerzi Bozen-Bolzano (UNIBZ). Je član Kompetenčnega centra za trajnost pri UNIBZ ter član usmerjevalnega odbora pobude Digital Humanism Initiative pri TUW na Dunaju.
Njegovi trenutni raziskovalni interesi so osredotočeni na uporabo tehnik umetne inteligence, kot so priporočilni sistemi in inteligentni agenti, za podporo sodelovanju med človekom in UI ter posledično izboljšanje procesov odločanja in dobrega počutja uporabnikov. Zanima ga razvoj sistemov, ki lahko skupinam in posameznikom pomagajo sprejemati bolj racionalne in pravične odločitve v kompleksnih in od konteksta odvisnih scenarijih na področjih novic in turizma.
Je avtor več kot 250 recenziranih in zelo citiranih znanstvenih publikacij. Bil je sourednik referenčne publikacije Recommender Systems Handbook ter predsednik usmerjevalnega odbora mednarodne konference ACM Conference on Recommender Systems.
Predavanje bo obravnavalo priporočilne sisteme (RS), personalizirana orodja umetne inteligence (UI), ki jih spletne platforme rutinsko uporabljajo za promoviranje algoritemsko izbranih novic, objav, glasbe, potovanj in videov. Predavatelj se bo osredotočil na vprašanje, kako te sisteme narediti bolj zaupanja vredne ter zagotoviti, da bolje služijo različnim deležnikom, ki jih zanima njihovo delovanje, predvsem končnim uporabnikom in ponudnikom priporočenih vsebin.
Predstavljen bo nov tip simulacijskega okvira za interakcijo med uporabnikom in sistemom, ki je predlagan kot pristop za ocenjevanje učinkovitosti sistemov priporočanja. V primerjavi s standardnim pristopom strojnega učenja za evalvacijo na učni in testni množici ta okvir omogoča boljšo oceno dolgoročnih in večdimenzionalnih učinkov (pozitivnih in negativnih), ki jih lahko ima priporočilni sistem.
Osrednja ideja je čim bolj zvesto simulirati odzive uporabnikov na priporočila, ki jih ustvari preizkušani sistem priporočanja, pri čemer se uporablja umerjen algoritemski model, ki opisuje, kako uporabniki sprejemajo odločitve oziroma izbirajo vsebine med priporočenimi možnostmi. Ta pristop se razlikuje od standardnega mehanizma testiranja v strojnem učenju, ki uporablja testne podatke iz zgodovinskih zapisov interakcij med uporabniki in sistemi. Te podatke so uporabniki žal ustvarili med interakcijo z neznanimi in različnimi priporočilnimi sistemi.
Uporabnost in vrednost tega evalvacijskega pristopa bosta prikazani na konkretnem primeru trajnostnega upravljanja turizma, natančneje pri vprašanju, kako omiliti prekomerni turizem, spoštovati lokalne skupnosti in hkrati zadovoljiti preference turistov.
