Modelo interacción smartphones usando PLN y RA para recomendaciones organizacionales
•Als PPTX, PDF herunterladen•
0 gefällt mir•370 views
Este documento propone un modelo de interacción para smartphones que utiliza procesamiento de lenguaje natural y realidad aumentada para explotar información de ontologías multidimensionales de organizaciones y proveer recomendaciones a usuarios. El modelo define 19 dimensiones genéricas de una organización en una ontología y busca desarrollar un esquema de explicación textual para las recomendaciones basado en trabajos previos sobre filtrado colaborativo y de contenido.
Empfohlen
Weitere ähnliche Inhalte
Ähnlich wie Modelo interacción smartphones usando PLN y RA para recomendaciones organizacionales
Ähnlich wie Modelo interacción smartphones usando PLN y RA para recomendaciones organizacionales (20)
Mehr von Gabriel Gonzalez Serna
Mehr von Gabriel Gonzalez Serna (20)
Modelo interacción smartphones usando PLN y RA para recomendaciones organizacionales
- 1. Modelo de interacción para smartphones utilizando PLN y realidad aumentada para la explotación de información de ontologías multidimensionales de organizaciones Hugo Omar Alejandres Sánchez 04 de noviembre de 2011
- 2. Agenda Contexto Tipos de organizaciones Ontología multidimensional Sistemas de recomendación organizacionales Objetivos Esquema de explicación textual de recomendaciones Para smartphones! Referencias
- 4. Ontología multidimensional Define de manera genérica una organización 19 “dimensiones” Actividades Competencias Publicidad Comercio Actividades económicas Educación Infraestructura Objetos de conocimiento …
- 5. Ontología multidimensional Competencias Infraestructura SEEMP OntoNav O*Net COBRA-ON Lair Ocupaciones Eures Publicidad ISCO Easa O*Net Asa Tiempo y Dispositivos MiO!
- 7. Sistemas de recomendación organizacionales Documentos Aspectos a considerar Privacidad Personas expertas Grado de confianza Recursos Explicación Infraestructura Eventos Colaboraciones ….
- 8. Objetivos Verificar que la red de ontologías se adecue a la realidad nacional Adecuar a estándares nacionales CONOCER Realizar recomendaciones a usuarios internos y externos Conjuntos de reglas adaptativos en base al histórico de uso Esquema de explicación textual de recomendaciones Analizar el impacto de las recomendaciones mediante RA
- 9. Esquema de explicación textual de recomendaciones Explicación de recomendaciones Manejo de errores Dar al usuario sensación de validez Amplio uso en sistemas expertos Razonamiento basado en reglas LISP
- 10. Esquema de explicación textual de recomendaciones Beneficios de la explicación [Herlocker, 2000] Justificación Usuario entiende el razonamiento tras la recomendación Puede decidir que tan confiable es Interacción con el usuario Incorpora el conocimiento del usuario Habilidades de inferencia propias para completar el proceso de decisión
- 11. Esquema de explicación textual de recomendaciones Beneficios de la explicación [Herlocker, 2000] Conocimiento del sistema El usuario entiende las limitaciones y ventajas del sistema Aceptación Gran aceptación de los sistemas como ayuda en la toma de decisiones
- 12. Esquema de explicación textual de recomendaciones Filtrado colaborativo y basado en contenido [Herlocker, 2000]
- 13. Esquema de explicación textual de recomendaciones Filtrado colaborativo y basado en contenido [Billsus, 1999] Plantillas de explicación Explanation Template 1: "This story received a [high | low] relevance score, because you told me earlier that you were [not] interested in [closest_headline]“ Explanation Template 2: "I think you already know about this, because I told you earlier that [closest_headline]". Explanation Template 3: "This story received a [high | low] relevance score, because it contains the words f1, f2 and f3."
- 14. Esquema de explicación textual de recomendaciones Filtrado colaborativo y basado en contenido [Wang, 2009]
- 15. Esquema de explicación textual de recomendaciones Filtrado colaborativo y basado en contenido [McSherry, 2005]
- 16. Para smartphones! Unidad académica 3 Unidad Computación académica 1 Electrónica Estudiante de Doctorado Estudiante de Maestría
- 17. Referencias Billsus, D. and M. Pazzani. A Personal News Agent That Talks, Learns and Explains. In Proceedings of the Third Annual Conference on Autonomous Agents, 1999. Herlocker, J. L., J. A. Konstan, and J. Riedl. Explaining collaborative filtering recommendations. In Proceedings of the ACM Conference on Computer Supported Cooperative Work, 2000.