Search

Browse

• Communities
• Authors
• Year
• Titles
• Subjects

My Space

• Login

Ανάπτυξη ενός συστήματος συστάσεων κριτών επιστημονικών άρθρων με βάση τα προφίλ κριτή-άρθρου και χρήση μεθόδων πολυκριτήριας ανάλυσης και μηχανικής μάθησης

Toula Maria

Πλήρης Εγγραφή

---

Περίληψη

Ένα από τα σημαντικότερα προβλήματα αποτελεί η ανάπτυξη αξιόλογων προφίλ χρηστών (καταναλωτών, προϊόντων, κριτών άρθρων, …) με τεράστια πεδία εφαρμογής στο ηλεκτρονικό επιχειρείν, στην ηλεκτρονική διακυβέρνηση, κ.α. Από την άλλη μεριά, η Τεχνητή Νοημοσύνη (ΤΝ) σε συνδυασμό με τα Μεγάλα Δεδομένα (Big Data), έχουν αναπτυχθεί ραγδαία με αποτέλεσμα να είναι δυνατή η αξιοποίηση κατάλληλων ταξινομητών και μεγάλου αριθμού δεδομένων για την ανάπτυξη προφίλ χρηστών. Στο πλαίσιο της διπλωματικής εργασίας αναπτύχθηκε λογισμικό που υλοποιεί μεθόδους και ειδικούς αλγόριθμους ΤΝ, όπως μηχανικής μάθησης (machine learning), εξόρυξης δεδομένων (data mining), ανάλυσης κειμένου, επεξεργασίας φυσικής γλώσσας (natural language processing), κ.α., και πολυκριτήριας ανάλυσης αποφάσεων, προκειμένου να διαμορφώνει τα κατάλληλα προφίλ κριτών (reviewers) άρθρων και άρθρων (papers), και εν συνεχεία να προχωρά στην αξιολόγηση των συνδυασμών άρθρου-κριτών και να διατυπώνει την πρόταση των κατάλληλων κριτών ανά άρθρο. Για τη δημιουργία των προφίλ χρήστη και άρθρων, έχει αναπτυχθεί μια υβριδική μεθοδολογία που βασίζεται σε άμεση και έμμεση ανατροφοδότηση δηλαδή σε πληροφορίες που παρέχει τόσο ο ίδιος ο χρήστης όσο και το ψηφιακό του αποτύπωμα (προσωπικές ιστοσελίδες, δημοσιευμένα άρθρα, κ.ο.κ.). Τέλος, η ανωτέρω μεθοδολογία εφαρμόσθηκε σε μια σειρά από περιπτώσεις για να αξιολογηθεί η αποτελεσματικότητά της.

Διαθέσιμα αρχεία

Υπηρεσίες