Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems

Autores
Leiva, Mario Alejandro; Budan, Maximiliano Celmo David; Simari, Gerardo
Año de publicación
2020
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Recommender systems study the characteristics of its users and applying different kinds of processing to the available data, find a subset of items that may be of interest to a given user in a specific situation. Argumentation-based tools offer the possibility of analyzing complex and dynamic domains by generating and analyzing arguments for and against recommending a specific item based on the users' preferences. This approach allows us to analyze the qualitative and quantitative characteristics of the recommended items, and to provide explanations to increase transparency. In this article, we develop a set of software engineering guidelines for the analysis and design of recommender systems leveraging this approach.
Fil: Leiva, Mario Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina
Fil: Budan, Maximiliano Celmo David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías. Departamento de Matemática; Argentina
Fil: Simari, Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina
Materia
DEFEASIBLE ARGUMENTATION
INTELLIGENT SYSTEMS
METHODOLOGICAL GUIDELINES
RECOMMENDATION SYSTEMS
Nivel de accesibilidad
acceso embargado
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/125521
Acceder
id CONICETDig_ed65063cf85a3a5c339c88e9dffe2cc2
oai_identifier_str oai:ri.conicet.gov.ar:11336/125521
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Guidelines for the Analysis and Design of Argumentation-Based Recommendation SystemsLeiva, Mario AlejandroBudan, Maximiliano Celmo DavidSimari, GerardoDEFEASIBLE ARGUMENTATIONINTELLIGENT SYSTEMSMETHODOLOGICAL GUIDELINESRECOMMENDATION SYSTEMShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Recommender systems study the characteristics of its users and applying different kinds of processing to the available data, find a subset of items that may be of interest to a given user in a specific situation. Argumentation-based tools offer the possibility of analyzing complex and dynamic domains by generating and analyzing arguments for and against recommending a specific item based on the users' preferences. This approach allows us to analyze the qualitative and quantitative characteristics of the recommended items, and to provide explanations to increase transparency. In this article, we develop a set of software engineering guidelines for the analysis and design of recommender systems leveraging this approach.Fil: Leiva, Mario Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; ArgentinaFil: Budan, Maximiliano Celmo David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías. Departamento de Matemática; ArgentinaFil: Simari, Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; ArgentinaIEEE Computer Society2020-09-01info:eu-repo/date/embargoEnd/2021-03-31info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/125521Leiva, Mario Alejandro; Budan, Maximiliano Celmo David; Simari, Gerardo; Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems; IEEE Computer Society; Ieee Intelligent Systems; 35; 5; 1-9-2020; 28-371541-16721941-1294CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/abstract/document/9108561info:eu-repo/semantics/altIdentifier/doi/10.1109/MIS.2020.2999569info:eu-repo/semantics/embargoedAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2026-02-26T10:21:25Zoai:ri.conicet.gov.ar:11336/125521instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982026-02-26 10:21:26.103CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
title Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
spellingShingle Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
Leiva, Mario Alejandro
DEFEASIBLE ARGUMENTATION
INTELLIGENT SYSTEMS
METHODOLOGICAL GUIDELINES
RECOMMENDATION SYSTEMS
title_short Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
title_full Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
title_fullStr Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
title_full_unstemmed Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
title_sort Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems
dc.creator.none.fl_str_mv Leiva, Mario Alejandro
Budan, Maximiliano Celmo David
Simari, Gerardo
author Leiva, Mario Alejandro
author_facet Leiva, Mario Alejandro
Budan, Maximiliano Celmo David
Simari, Gerardo
author_role author
author2 Budan, Maximiliano Celmo David
Simari, Gerardo
author2_role author
author
dc.subject.none.fl_str_mv DEFEASIBLE ARGUMENTATION
INTELLIGENT SYSTEMS
METHODOLOGICAL GUIDELINES
RECOMMENDATION SYSTEMS
topic DEFEASIBLE ARGUMENTATION
INTELLIGENT SYSTEMS
METHODOLOGICAL GUIDELINES
RECOMMENDATION SYSTEMS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Recommender systems study the characteristics of its users and applying different kinds of processing to the available data, find a subset of items that may be of interest to a given user in a specific situation. Argumentation-based tools offer the possibility of analyzing complex and dynamic domains by generating and analyzing arguments for and against recommending a specific item based on the users' preferences. This approach allows us to analyze the qualitative and quantitative characteristics of the recommended items, and to provide explanations to increase transparency. In this article, we develop a set of software engineering guidelines for the analysis and design of recommender systems leveraging this approach.
Fil: Leiva, Mario Alejandro. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina
Fil: Budan, Maximiliano Celmo David. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Santiago del Estero. Facultad de Ciencias Exactas y Tecnologías. Departamento de Matemática; Argentina
Fil: Simari, Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Ciencias e Ingeniería de la Computación. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación. Instituto de Ciencias e Ingeniería de la Computación; Argentina. Universidad Nacional del Sur. Departamento de Ciencias e Ingeniería de la Computación; Argentina
description Recommender systems study the characteristics of its users and applying different kinds of processing to the available data, find a subset of items that may be of interest to a given user in a specific situation. Argumentation-based tools offer the possibility of analyzing complex and dynamic domains by generating and analyzing arguments for and against recommending a specific item based on the users' preferences. This approach allows us to analyze the qualitative and quantitative characteristics of the recommended items, and to provide explanations to increase transparency. In this article, we develop a set of software engineering guidelines for the analysis and design of recommender systems leveraging this approach.
publishDate 2020
dc.date.none.fl_str_mv 2020-09-01
info:eu-repo/date/embargoEnd/2021-03-31
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/125521
Leiva, Mario Alejandro; Budan, Maximiliano Celmo David; Simari, Gerardo; Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems; IEEE Computer Society; Ieee Intelligent Systems; 35; 5; 1-9-2020; 28-37
1541-1672
1941-1294
CONICET Digital
CONICET
url http://hdl.handle.net/11336/125521
identifier_str_mv Leiva, Mario Alejandro; Budan, Maximiliano Celmo David; Simari, Gerardo; Guidelines for the Analysis and Design of Argumentation-Based Recommendation Systems; IEEE Computer Society; Ieee Intelligent Systems; 35; 5; 1-9-2020; 28-37
1541-1672
1941-1294
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/abstract/document/9108561
info:eu-repo/semantics/altIdentifier/doi/10.1109/MIS.2020.2999569
dc.rights.none.fl_str_mv info:eu-repo/semantics/embargoedAccess
https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv embargoedAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv IEEE Computer Society
publisher.none.fl_str_mv IEEE Computer Society
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1858305606318817280
score 13.176822

Publicaciones similares