- Paz Ruza, Jorge
- Alonso-Betanzos, Amparo
- Guijarro-Berdiñas, Bertha
- Eiras-Franco, Carlos
- Cancela, Brais
Dataset depositado no repositorio: https://zenodo.org/records/14622324, Presentado na XX Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA 2024), organizado por Asociación Española para la Inteligencia Artificial (AEPIA), A Coruña, 19 al 21 de junio de 2024, [Abstract]: Los Sistemas de Recomendacion se han vuelto cruciales por su gran influencia en la sociedad pero, siendo mayoritariamente sistemas de caja negra, fomentar su transparencia es tan primordial como complejo; utilizar contenido visual creado por los usuarios para explicar nuevas recomendaciones es una opcion prometedora para maximizar su confianza. Los algoritmos existentes presentan arquitecturas altamente optimizadas pero modelan de forma indirecta y suboptima la selección de mejores imagenes como explicaciones, provocando un entrenamiento ineficiente y un alto coste computacional que no puede ser reducido sin afectar al rendimiento del modelo. Este trabajo presenta BRIE, un nuevo modelo basado en Ranking Bayesiano por Pares que mejora el proceso de entrenamiento, supera al Estado del Arte en conjuntos de datos reales, y reduce en un 98 % el tamano de los modelos y en un 75 % las emisiones de CO2., Este trabajo esta financiado por MICIU/AEI/10.13039/501100011033/ y FEDER Una manera de hacer Europa (PID2019-109238GB-C22), MICIU/AEI/10.13039/501100011033/ y el FSE+ (FPU21/05783), MICIU/AEI /10.13039/501100011033 y FEDER, UE (PID2021-128045OA-I00), y la Xunta de Galicia (ED431C 2022/44) mediante fondos ERDF de la Union Europea. CITIC, como Centro de Investigacion acreditado por el Sistema Universitario Galego, esta financiado por la Consellería de Cultura, Educación e Universidades de la Xunta de Galicia, apoyado un 80 % por el Programa Operacional ERDF Galicia 2014-2020, y un 20 % por la Secretaría Xeral de Universidades de la Xunta de Galicia (ED431G 2019/01)., Xunta de Galicia; ED431C 2022/44, Xunta de Galicia; ED431G 2019/01