Gepersonaliseerde Aanbevelingen met Multimodale Verklaringen

De uitgebreide productselectie online zorgt ervoor dat klanten zich snel overweldigd voelen en de gewenste producten niet kunnen vinden. Gepersonaliseerde aanbevelingen zijn hierdoor belangrijk.
Huidige product aanbevelingssystemen leren gebruikersvoorkeuren uit klikken en aankopen om aanbevelingen te personaliseren. Hierbij worden doorgaans de visuele en tekstuele details van de webpagina ('s) van een product over het hoofd gezien, hoewel deze de voorkeuren van de gebruiker weergeven. Bovendien zijn de huidige aanbevelingssystemen statisch en bieden ze geen interactie met de gebruiker. In plaats daarvan zouden aanbevelingssystemen moeten uitleggen waarom bepaalde items worden aanbevolen. Een dergelijke verbeterde gepersonaliseerde aanbevelingen met uitleg zouden leiden tot een betere afstemming van gebruikers en items en tot een grotere klanttevredenheid. In dit project zal ik nieuwe, op diep
leren gebaseerde methoden ontwikkelen voor multimodale productaanbeveling waarbij visuele en tekstuele productgegevens en metadata van een gebruiker worden gecombineerd en die de tekstuele en visuele details onthullen die ten grondslag liggen aan de aanbevelingen op basis van geschikte aandachts- en ontwarringsmechanismen. Dit leidt tot een gepersonaliseerd en verklaarbaar aanbevelingssysteem dat de gebruiker op een natuurlijke, psychologisch geïnformeerde manier vertelt welke visuele en beschrijvende aspecten van het product bij zijn of haar profiel passen.