Πτυχιακές Εργασίες GRI-2014-13490

Τίτλος:Τεχνικές ομοιότητας – ανομοιότητας σε προτασιακά μοντέλα και εφαρμογές σε δυαδικά προβλήματα αξιολόγησης
Similarity – dissimilarity techniques in recommender systems applied to binary classification problems
Συγγραφείς:Αδάμ Κυριάκος
Σχολή/Τμήμα: Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής
Γλώσσα:Ελληνικά
Φυσική Περιγραφή:88 σελ.
Ημ/νία έκδοσης:2014
Περίληψη:Αντικείμενο της παρούσας πτυχιακής εργασίας είναι η ανάλυση διαφόρων οικογενειών Προτασιακών Συστημάτων (Π.Σ), αλγορίθμων κατηγοριοποίησης και η προσπάθεια επίλυσης του προβλήματος της περιορισμένης ανάλυσης περιεχομένου το οποίο συναντάται σε περιπτώσεις όπου είτε υπάρχει περιορισμένος αριθμός χαρακτηριστικών για τα διαθέσιμα αντικείμενα είτε τα υπάρχοντα χαρακτηριστικά δεν είναι αρκετά ενδεικτικά. Κατά κανόνα αυτό που κάνει ένα προτασιακό σύστημα καλό, είναι η ικανότητά του να διακρίνει όμοιους χρήστες και αντικείμενα με τα καλύτερα κριτήρια ώστε να παράγει τις καλύτερες δυνατές συστάσεις. Για την επίλυση αυτού του προβλήματος δημιουργήσαμε το πλαίσιο εξαγωγής χαρακτηριστικών ανομοιότητας με στόχο την ενδυνάμωση του παράγοντα διακριτοποίησης, εισάγοντας περισσότερη πληροφορία προς επεξεργασία για την καλύτερη ταξινόμηση των αντικειμένων. Αυτό επιτεύχθηκε πλαισιώνοντας τους χρήστες σε ομάδες «όμοιων» χρηστών με σημείο αναφοράς τα κοινά βαθμολογημένα αντικείμενα και τα χαρακτηριστικά τους. Η πληροφορία της ανομοιότητας λειτουργεί βοηθητικά στην ταξινόμηση των αντικειμένων με αποτέλεσμα οι συστάσεις το προτασιακού συστήματος να είναι περισσότερο στοχευμένες. In this thesis we deal with Recommender Systems and specifically with the problem of limited content analysis. We introduce a framework whose target is to create features from existing data and can be encapsulated to a recommender system. A classifier’s performance is basically affected by the discriminating power of the included features to precisely separate samples belonging to different classes. The purpose of this thesis is to process the information with the best way to correlate the similar users with the items and increase the discrimination power. Such a system must handle the information with the most functional way. This can be achieved by creating a framework which is capable of capturing different aspects of the analyzed content. Solutions to this challenge solve the limited content analysis problem, which appears when we have items with deficient number of characteristics or when we don’t have meta-data to process with. More specifically, each user is framed by a group of similar users, which has either same common items or common attributes. Finally we test our system and then we present and comment the results.
Επιβλέπων:Α. Βακάλη
Λέξεις Κλειδιά:Binary classification, Προτασιακά Συστήματα, Recommender systems, Δυαδική Ταξινόμηση, Limited Content Analysis, Πρόβλημα περιορισμένης ανάλυσης περιεχομένου
Σχετικά αρχεία:Πλήρες κείμενο: PDF Αρχείο με άδεια χρήσης Δείτε την σχετική άδεια κάνοντας κλικ εδώ!


 Δημιουργία εγγραφής 2014-12-02, τελευταία τροποποίηση 2015-07-17


Πλήρες κείμενο:
Κατέβασμα πλήρους κειμένου
PDF Αρχείο
με άδεια:Δείτε την σχετική άδεια κάνοντας κλικ εδώ!