dc.contributor.author | Ηρακλειδής, Γεώργιος Β. | |
dc.date.accessioned | 2011-07-07T16:55:16Z | |
dc.date.available | 2011-07-07T16:55:16Z | |
dc.date.issued | 2011-07-07T16:55:16Z | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/4131 | |
dc.description.abstract | Τα συστήματα σύστασης προσπαθούν να εξομοιώσουν τις προτιμήσεις των χρηστών, έχοντας σαν στόχο την εκτίμηση του πόσο ενδιαφέροντα θα είναι κάποια αντικείμενα, πληροφορίες, ή ακόμα και υπηρεσίες για το χρήστη και την υποβολή προτάσεων για στοιχεία που θα αγοράσει ένα άτομο ή θα εξετάσει. Αυτά τα συστήματα χρησιμοποιούνται συνεχώς στο διαδίκτυο και έχουν γίνει βασικό συστατικό πλέον του ηλεκτρονικού εμπορίου και της ανάκτησης πληροφοριών, παρέχοντας προτάσεις που αποτελεσματικά φιλτράρουν μεγάλους χώρους πληροφοριών ώστε κάθε χρήστης να μπορεί να κατευθύνεται προς τα στοιχεία που ανταποκρίνονται με τον καλύτερο τρόπο στις ανάγκες και τις προτιμήσεις του. Η τρομακτική αύξηση των πληροφοριών και αντικειμένων που είναι διαθέσιμα στο διαδίκτυο, καθώς και ο συνεχώς αυξανόμενος αριθμός επισκεπτών τα τελευταία χρόνια, θέτουν κάποιες προκλήσεις στα συστήματα σύστασης. Αυτές είναι, η παραγωγή σωστών προτάσεων, ο υπολογισμός μεγάλου αριθμού συστάσεων σε πολύ μικρό χρονικό διάστημα και η επιτυχής εκτέλεση ενός μεγάλου ποσοστού αιτημάτων σύστασης που δέχεται το σύστημα. Αρκετές τεχνικές όπως η συνεργατική διήθηση, η βασισμένη στο περιεχόμενο και η δημογραφική, όπως και συνδυασμοί τους, έχουν χρησιμοποιηθεί για την δημιουργία συστάσεων. Αυτή η μεταπτυχιακή διατριβή ερευνά ένα πλήθος από αλγόριθμους συνεργατικής διήθησης, αναλύοντας τα βήματα για την δημιουργία ενός τέτοιου συστήματος και συγκρίνει ποιοι αλγόριθμοι έχουν καλύτερα αποτελέσματα απέναντι στις προκλήσεις που αντιμετωπίζουν τα συστήματα σύστασης. | |
dc.language.iso | el | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
dc.subject | Ευφυείς πράκτορες (Λογισμικό υπολογιστών) | |
dc.subject | Τεχνητή νοημοσύνη | |
dc.subject | Εξόρυξη δεδομένων | |
dc.title | Υλοποίηση και συγκριτική αξιολόγηση μεθόδων συνεργατικής διήθησης | |
dc.type | Master Thesis | |
europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/4131 | |
europeana.type | IMAGE | |
dc.identifier.call | 006.3'3 ΗΡΑ | |
dc.description.abstractEN | Recommender systems try to simulate people preferences for the purpose of estimate how much a user will be interested in some objects, information or services and to place a suggestion for items an individual should buy or at least examine. These systems is being used constantly in the web and have become basic components of electronic commerce and information retrieval, making suggestions that filter large information spaces so as to every user could be shown items that suits well his needs and interests. The huge growth of available information and items in the internet as well as the constantly increasing number of visitors of web sites in the recent years poses some challenges for recommender systems. These are the production of accurate recommendations, the calculation of large number of recommendations in a very small time period and the successful completion of a very big proportion of the requests that the system accepts. Various techniques like collaborative filtering, content based and demographic as well as some combinations of them have been used to create recommendations. This postgraduate thesis surveys a number of collaborative filtering algorithms analyzing the steps for creating such a system and compares which methods provide better results in the challenges that a recommender system encounters. | |