Προσεγγίσεις μοντελοποίησης για συστάσεις βάσει τεχνικών συνεργατικού φιλτραρίσματος
| dc.contributor.advisor | Κυριαζής, Δημοσθένης | |
| dc.contributor.author | Μοσχόβης, Ιωάννης | |
| dc.date.accessioned | 2018-11-08T06:45:58Z | |
| dc.date.available | 2018-11-08T06:45:58Z | |
| dc.date.issued | 2018 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/11531 | |
| dc.description.abstract | Με την άνθιση του διαδικτύου, όπου ο αριθμός των επιλογών βρίσκεται σε υπεραφθονία, προέκυψε η ανάγκη να φιλτράρουμε, να ιεραρχήσουμε και να παραδώσουμε αποδοτικά τις σχετικές πληροφορίες έτσι ώστε να ελαττώσουμε το πρόβλημα της υπερτροφοδότησης πληροφοριών, το οποίο αποτελεί πρόβλημα για αρκετούς χρήστες του Διαδικτύου. Οι μηχανές συστάσεων (recommendation engines) επιλύουν αυτό το πρόβλημα, αναζητώντας μέσα από ένα μεγάλο όγκο δυναμικά παραγόμενων πληροφοριών, και εφοδιάζοντας τους χρήστες με εξατομικευμένες υπηρεσίες και περιεχόμενο. Σκοπός αυτής της εργασίας είναι να μελετήσουμε τις διαφορετικές τεχνικές πρόβλεψης σε συστήματα συστάσεων στην πράξη προσομοιώνοντας την λειτουργία τους, τα προβλήματα και τις προκλήσεις που προκύπτουν κατά την λειτουργία τους, καθώς και να προταθούν τυχόν λύσεις σε αυτά. | el |
| dc.format.extent | 50 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Προσεγγίσεις μοντελοποίησης για συστάσεις βάσει τεχνικών συνεργατικού φιλτραρίσματος | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | With the rise of Web 2.0, choices are in abundance, so the need to filter,sort and deliver information efficiently, minimizing the problem of surplusing information. Recommendation engines solve this problem, searching through a vast ammount of produced information and providing users with personalised services and content. Aim of this thesis is to study the different predicting methods in suggestion systems, focusing in collaborative filtering, simulating their functioning, the problems and the challenges that rise through this functioning and proposing solutions if possible. | el |
| dc.contributor.master | Ψηφιακές Επικοινωνίες και Δίκτυα | el |
| dc.subject.keyword | Μηχανές συστάσεων | el |
| dc.subject.keyword | Συνεργατικό φιλτράρισμα | el |
| dc.date.defense | 2018-08-30 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές