dc.contributor.advisor | Βίρβου, Μαρία | |
dc.contributor.author | Θέμελης, Ευθύμιος Ο. | |
dc.date.accessioned | 2014-03-14T07:23:14Z | |
dc.date.available | 2014-03-14T07:23:14Z | |
dc.date.issued | 2014-03-14T07:23:14Z | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/5717 | |
dc.description.abstract | Οι χρήστες κατά την περιήγησή τους σε διάφορες ιστοσελίδες έρχονται αντιμέτωποι με ένα τεράστιο όγκο δεδομένων που έχει σαν αποτέλεσμα τη δυσκολία στο να εντοπίσουν τις πληροφορίες, τα προϊόντα, τις ειδήσεις, τα βίντεο κ.λ.π. που σχετίζονται περισσότερο με τα ενδιαφέροντα και τις ανάγκες τους. Κάθε χρήστης είναι διαφορετικός από τους άλλους ως προς τα ενδιαφέροντα και τις ανάγκες του, τα οποία μπορούν να ληφθούν υπόψη ώστε μέσα από διάφορους αλγόριθμους να φιλτραριστούν τα προϊόντα, οι ειδήσεις κ.λ.π. και να του εμφανιστούν αυτά που είναι πιο κοντά στις ανάγκες και τα ενδιαφέροντά του. Αυτή την εργασία αναλαμβάνουν τα συστήματα σύστασης. Τα συστήματα σύστασης είναι τα συστήματα που με τη χρήση ειδικών αλγορίθμων οι οποίοι αφού δέχονται σαν είσοδο για επεξεργασία δεδομένα που αφορούν το χρήστη (δημογραφικά δεδομένα), δεδομένα που αφορούν προϊόντα, υπηρεσίες κ.λ.π. (όπως το είδος κάποιου προϊόντος) και αξιολογήσεις για τα αντίστοιχα προϊόντα, υπηρεσίες κ.λ.π. (όπως η βαθμολογία, η αγορά ενός προϊόντος) υπολογίζουν ποια προϊόντα, υπηρεσίες, ειδήσεις κ.λ.π. μπορεί να ενδιαφέρουν κάποιον συγκεκριμένο χρήστη δηλαδή προτείνουν στους χρήστες εξατομικευμένες προτάσεις. Άλλοι αλγόριθμοι δέχονται σαν είσοδο προς επεξεργασία δεδομένα που αφορούν το χρήστη, άλλοι δεδομένα που αφορούν τα προϊόντα και άλλοι και τα δύο. Στην παρούσα μεταπτυχιακή διατριβή αρχικά σχεδιάσαμε και υλοποιήσαμε ένα ηλεκτρονικό κατάστημα το οποίο είναι πλήρως λειτουργικό τόσο από την πλευρά του πελάτη όσο και από την πλευρά του διαχειριστή. Στη συνέχεια αναπτύξαμε και εφαρμόσαμε διάφορους τύπους συστημάτων σύστασης έτσι ώστε το σύστημα να φιλτράρει τα προϊόντα και να προτείνει αυτά που είναι πιο κοντά στις ανάγκες και τα ενδιαφέροντα του χρήστη δηλαδή το σύστημα να προτείνει στο χρήστη εξατομικευμένες προτάσεις. | |
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 | Ηλεκτρονικό επιχειρείν | |
dc.subject | Διαδικτυακό μάρκετινγκ | |
dc.subject | Electronic data processing | |
dc.subject | Recommender systems (Information filtering) | |
dc.subject | Αλγόριθμοι | |
dc.title | Ανάλυση σχεδιασμός και υλοποίηση ηλεκτρονικού καταστήματος με μοντελοποίηση χρηστών (Συστήματα Σύστασης - Recommender Systems) | |
dc.type | Master Thesis | |
europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/5717 | |
dc.identifier.call | 658.84 ΘΕΜ | |
dc.description.abstractEN | Users of the Internet browsing through its sites face a superabundance of information which makes it difficult to locate the information, products, news videos etc related to their needs. Each user is different from the other in terms of interests or needs which can be taken into account so that through various algorithms information will be filtered and users will be presented with those products and services closest to their needs and interests. This is the job of recommender systems. Such systems use special algorithms which process data that concerns the user (demographic data), or data that is related to products and services (like the cost of a product) and their evaluation and then estimate which products, services or news could interest certain users. In other words, they make tailor made suggestions about services or products. Some algorithms process data that concerns the user, other data that concerns the products and other data that concerns both. In this current thesis we designed and implemented an electronic shop which is completely functional as far as both the customer and the administrator are concerned. In addition, we developed and put into effect various recommender systems so that the system filters the products and it can suggest those closest to the needs and interests of the user. In other words the system can point out tailor made suggestions to the user. | |