Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Μηχανική μάθηση και θεωρία κοινωνικής επιλογής για προσωποποιημένες συστάσεις και συστάσεις σε ομάδες

Streviniotis Errikos

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/61A331E2-9BDD-406C-8D52-F0B477FAB546
Έτος 2022
Τύπος Μεταπτυχιακή Διατριβή
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Ερρίκος Στρεβινιώτης, "Μηχανική μάθηση και θεωρία κοινωνικής επιλογής για προσωποποιημένες συστάσεις και συστάσεις σε ομάδες", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 https://doi.org/10.26233/heallink.tuc.94103
Εμφανίζεται στις Συλλογές

Περίληψη

Τα συστήματα συστάσεων είναι εργαλεία λογισμικού τα οποία παρέχουν βοήθεια σε χρήστες οι οποίοι έχουν έλλειψη εμπειρίας ή γνώσης προκειμένου να ξεπεράσουν το πρόβλημα της πλεονάζουσας πληροφορίας. Σε αυτή την εργασία, παρουσιάζουμε δυο συστήματα συστάσεων τα οποία χρησιμοποιούν αντίστοιχα Μπαϋεσιανή μάθηση και τον αλγόριθμο του φίλτρου Κάλμαν, σε συνδυασμό με μηχανισμούς που προέρχονται από τη θεωρία κοινωνικής επιλογής προκειμένου να μάθουν τις προτιμήσεις των χρηστών ώστε να παρέχουν προσωποποιημένες συστάσεις και συστάσεις σε ομάδες χρηστών.Η μάθηση των προτιμήσεων χρησιμοποιεί μια καινοτόμα και όχι απαιτητική προς τον χρήστη διαδικασία εκμαίευσης προτιμήσεων, κατά την οποία ο χρήστης παρέχει μια βαθμολογία για μερικές γενικές εικόνες, οι οποίες σχετίζονται με τα αντικείμενα τα οποία μπορούν να προταθούν, που του/της παρουσιάζουμε. Στη συνέχεια αξιοποιούμε αυτές τις βαθμολογίες ώστε οι προσεγγίσεις μας να παράγουν κάποιες πεποιθήσεις σχετικά με τις προτιμήσεις του χρήστη. Προκειμένου να μοντελοποιήσουμε την υψηλή αβεβαιότητα η οποία εμπεριέχεται σε τέτοια περιβάλλοντα, αναπαριστούμε τόσο τους χρήστες όσο και τα προς σύσταση αντικείμενα ως κανονικές κατανομές πολλών μεταβλητών.Επιπρόσθετα, εφαρμόζουμε διάφορους κανόνες ψηφοφοριών πολλών νικητών από τη θεωρία κοινωνικής επιλογής στο πρόβλημα των προσωποποιημένων συστάσεων. Συγκεκριμένα, εξοπλίζοντας το σύστημά μας με τέτοιους μηχανισμούς μπορούμε να παράγουμε αποτελεσματικές προσωποποιημένες συστάσεις ενώ παράλληλα προάγουμε ποικίλες συστάσεις σε σχέση με διάφορα χαρακτηριστικά. Στη συνέχεια εστιάζουμε στο πρόβλημα των συστάσεων σε ομάδες επεκτείνοντας τις προσεγγίσεις μας και εφαρμόζοντας διάφορες στρατηγικές συνάθροισης μαζί με ένα κανόνα ψηφοφοριών πολλών νικητών, ο οποίος ονομάζεται Reweighted Approval voting (RAV). Εξ όσων γνωρίζουμε, η χρήση κανόνων ψηφοφοριών πολλών νικητών για τα παραπάνω προβλήματα έγινε για πρώτη φορά στην βιβλιογραφία.Συνοψίζοντας, η μεταπτυχιακή μας εργασία εστιάζει στα προβλήματα των προσωποποιημένων συστάσεων και συστάσεων σε ομάδες. Έχει δε ως πεδίο εφαρμογής τον τομέα του τουρισμού. Διεξάγαμε μια συστηματική πειραματική αξιολόγηση των προσεγγίσεών μας τις οποίες εφαρμόσαμε σε πραγματικά δεδομένα από σημεία τουριστικού ενδιαφέροντος της πόλης του Αγίου Νικολάου Κρήτης, σημαντικού τουριστικού προορισμού. Επισημαίνουμε ότι μελετήσαμε την αποτελεσματικότητα των προσεγγίσεων μας όταν τις εξοπλίζουμε με πρότερη γνώση σχετικά με τις γενικές προτιμήσεις συγκεκριμένων κατηγοριών χρηστών (χρηστών οι οποίοι ανήκουν στην ίδια ηλικιακή ομάδα), με βάση δεδομένα τα οποία συλλέχθηκαν από ερωτηματολόγια πραγματικών τουριστών στην πόλη του Αγίου Νικολάου.Στα πλαίσια της εργασίας μας διεξάγαμε μια συστηματική πειραματική αξιολόγηση των προσεγγίσεών μας τις οποίες εφαρμόσαμε σε πραγματικά δεδομένα της πόλης του Αγίου Νικολάου στη Κρήτη. Τα πειραματικά μας αποτελέσματα (i) δείχνουν την ικανότητα των προσεγγίσεών μας να παράγουν αποτελεσματικά προσωποποιημένες συστάσεις οι οποίες ταιριάζουν με τα ενδιαφέροντα ενός συγκεκριμένου χρήστη, (ii) επιβεβαιώνουν ότι η αξιοποίηση πρότερης γνώσης σχετικά με τις προτιμήσεις των τουριστών, με βάση τα δημογραφικά του χαρακτηριστικά, βοηθούν τα συστήματα συστάσεων μας να αποφύγουν το cold-start πρόβλημα, (iii) δεικνύουν ότι η χρήση κανόνων ψηφοφοριών πολλών νικητών επιτρέπει ποικιλόμορφες συστάσεις σε σχέση με διάφορα χαρακτηριστικά τα οποία σχετίζονται με το τουρισμό, ενώ αυξάνουν την απόδοση του συστήματός μας στη περίπτωση που η αλληλεπίδραση ενός χρήστη με το σύστημα είναι περιορισμένη, και (iv) επιδεικνύουν ότι η χρήση κανόνων ψηφοφοριών πολλών νικητών επιτρέπει δίκαιες συστάσεις σε ομάδες χρηστών σε σχέση με τις ευρέως γνωστές μετρικές m-PROPORTIONALITY και m-ENVY-FREENESS. Τέλος, ο Μπαϋεσιανός αλγόριθμος προσωποποιήμενων συστάσεων που αναπτύξαμε έχει ενσωματωθεί σε μια πραγματική εφαρμογή κινητών για τον προγραμματισμό τουριστικών περιηγήσεων στην πόλη του Αγίου Νικολάου Κρήτης.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά