Εμφάνιση απλής εγγραφής

dc.contributor.advisorΧαλκίδη, Μαρία
dc.contributor.authorΑποστολίδου, Μελίνα
dc.date.accessioned2021-07-28T06:09:24Z
dc.date.available2021-07-28T06:09:24Z
dc.date.issued2021-06
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/13622
dc.identifier.urihttp://dx.doi.org/10.26267/unipi_dione/1045
dc.description.abstractΗ παρούσα διπλωματική εργασία έχει ως στόχο την παρουσίαση της συνεργατικής μάθησης ως έναν κατάλληλο τρόπο δημιουργίας μοντέλων μηχανικής μάθησης όπου τα δεδομένα των χρηστών προστατεύονται ακόμα και αν βρίσκονται κατανεμημένα σε απομακρυσμένες συσκευές. Επιπλέον, παρουσιάζονται τα συστήματα συστάσεων και ο τρόπος με τον οποίο εκπαιδεύονται και αποφασίζουν τις κατάλληλες προτάσεις για τον κάθε χρήστη. Στη συνέχεια, περιγράφεται το θεωρητικό πλαίσιο της υλοποίησης που έγινε, η οποία αφορά στην δημιουργία ενός συνεργατικού συστήματος συστάσεων το οποίο αποτελείται από ένα νευρωνικό δίκτυο ενσωμάτωσης το οποίο θα εκπαιδευτεί με συνεργατικό τρόπο. Το σύνολο δεδομένων που χρησιμοποιήθηκε αποτελείται από τις αξιολογήσεις που έδωσαν ορισμένοι χρήστες σε έναν αριθμό ταινιών. Μετά την εκπαίδευση το μοντέλο είναι σε θέση να προβλέπει την αξιολόγηση που είναι πιθανό να έδινε ένας χρήστης σε μία συγκεκριμένη ταινία ώστε αν είναι αρκετά υψηλή να την προτείνει σε αυτόν τον χρήστη για παρακολούθηση. Επιπλέον, χρησιμοποιείται μία προσωποποιημένη προσέγγιση όπου υπολογίζεται ο βαθμός στον οποίο το τοπικό μοντέλο του κάθε χρήστη αναμιγνύεται με το κεντρικό μοντέλο με στόχο τη βελτιστοποίηση της απόδοσης του μοντέλου.el
dc.format.extent72el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.titleΠροσωποποιημένες συνεργατικές μέθοδοι συστάσεωνel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτωνel
dc.description.abstractENThis thesis presents federated learning as an appropriate way to create machine learning models where user data is protected even if it is distributed on remote devices. In addition, there are presented the recommender systems and the way in which they are trained and decide the appropriate proposals for each user. Then, it is described the theoretical framework of the implementation which concerns the creation of a federated recommender system that consists of an embedding neural network that will be trained in a federated way. The data set that was used consists of the ratings given by some users to a number of movies. After the training, the model is able to predict the rating that a user is likely to give to a particular movie, so that if it is high enough the movie will be recommended to this user to watch. Furthermore, a personalized approach is used to calculate the degree to which each user’s local model is mixed with the global model in order to optimize the performance of the model.el
dc.contributor.masterΠληροφοριακά Συστήματα και Υπηρεσίεςel
dc.subject.keywordΣυνεργατική μάθησηel
dc.date.defense2021-07-05


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Επικοινωνήστε μαζί μας
Στείλτε μας τα σχόλιά σας
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»