Pojasnjevalni priporočilni sistem za filmeKlander, Domen (Avtor) Košir, Andrej (Mentor) priporočilni sistemipojasnilna umetna inteligencamatrična faktorizacijaShapleyeve vrednostiuporabniška pristranskostMovieLensCoMoDaTa magistrska naloga raziskuje razvoj pojasnjevalnega priporočilnega sistema za filme. Ukvarja se s problemom informacijske preobremenjenosti in potrebo po bolj preglednih ter razumljivih priporočilih, zlasti v kontekstu platform za pretakanje filmov. Glavni cilj je implementirati sistem, ki ne le daje priporočila za filme, temveč tudi razloži zakaj so ta priporočila podana. Delo uporablja dva javno dostopna nabora podatkov: MovieLens in CoMoDa. Preučena sta bila dva algoritma priporočilnih sistemov, matrična faktorizacija in Bayesova matrična faktorizacija. Študija preučuje tudi vpliv odstranitve uporabniške pristranskosti iz podatkov o ocenah. Poudarek je na uporabi Shapleyevih vrednosti za določanje prispevka posameznih značilk k posameznem priporočilu, kar omogoča generiranje razlag v naravnem jeziku. Predstavljeni so eksperimentalni rezultati za oba nabora podatkov, primerjava uspešnosti obeh algoritmov z in brez odstranitve uporabniške pristranskosti. Ocenjuje se ne samo natančnost sistema, ampak tudi razložljivost s pomočjo analize entropije. Ugotovitve kažejo, da odstranjevanje uporabniške pristranskosti izboljša nekatere vidike razložljivosti, a negativno vpliva na splošno natančnost priporočil. Nadaljnji rezultati razkrivajo, da dodajanje več konteksta jezikovnim modelom lahko izboljša tako kakovost, kot tudi raznolikost pojasnil.20252025-09-17 10:40:00Magistrsko delo/naloga173463sl