Avoiding content bubbles by network-friendly recommendation algorithms

Tzimpimpaki Evangelia

URI	http://purl.tuc.gr/dl/dias/1C0895C1-E524-4706-AEC5-40A6905B5E4C	-
Identifier	https://doi.org/10.26233/heallink.tuc.98885	-
Language	en	-
Extent	87 pages	en
Extent	4.6 megabytes	en
Title	Avoiding content bubbles by network-friendly recommendation algorithms	en
Title	Αποφυγή «Φυσαλίδων» περιεχομένου σε φιλικούς ως προς το δίκτυο αλγόριθμους συστάσεων	el
Creator	Tzimpimpaki Evangelia	en
Creator	Τζιμπιμπακη Ευαγγελια	el
Contributor [Thesis Supervisor]	Spyropoulos Thrasyvoulos	en
Contributor [Thesis Supervisor]	Σπυροπουλος Θρασυβουλος	el
Contributor [Committee Member]	Karystinos Georgios	en
Contributor [Committee Member]	Καρυστινος Γεωργιος	el
Contributor [Committee Member]	Liavas Athanasios	en
Contributor [Committee Member]	Λιαβας Αθανασιος	el
Publisher	Πολυτεχνείο Κρήτης	el
Publisher	Technical University of Crete	en
Academic Unit	Technical University of Crete::School of Electrical and Computer Engineering	en
Academic Unit	Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
Content Summary	Almost all online services encourage users to establish a profile, granting access to personalized content. Having more and more detailed data from the user, allows for the platforms to detect his interests and to create the content that has the greatest chance for success. However, there are instances when recommendations become excessively personalized, especially in (cache-friendly) systems also guiding suggestions towards content with low access cost. This can lead the user in a state where they are consistently presented with content of a singular nature, which may or may not sustain his interest in the long run. This thesis aims to improve recommendation systems, by increasing the diversity of recommended content, thus preventing the creation of content bubbles. First, an overview is provided, initiating with the exposition of Baseline Recommendation Systems (BS-RS), their evolution into Network-Friendly Recommendation Systems (NF-RS), and the representation of the content bubble phenomenon in NF-RS. The setup of BS-RS and NF-RS as optimization problems is detailed, and the introduced Diverse NF-RS is presented, addressing the content bubble phenomenon. The optimization problem for Diverse NF-RS is formulated, demonstrated to be convex, and linearized before being solved. No previously established implementation adequately addresses the diversity issue with comparable cost-diversity trade-offs. The proposed solution incorporates additional fairness metrics from other works, establishing that our proposed Recommendation System can accommodate them without compromising the favourable trade-offs achieved.	en
Content Summary	Σχεδόν όλες οι διαδικτυακές υπηρεσίες ενθαρρύνουν τους χρήστες να δημιουργήσουν ένα προφίλ, παρέχοντάς τους έτσι πρόσβαση σε εξατομικευμένο περιεχόμενο. Αντλώντας συνεχώς λεπτομερή δεδομένα από το χρήστη, οι πλατφόρμες εντοπίζουν τα ενδιαφέροντά του, και συστήνουν στο χρήστη όλο και πιο πετυχημένο περιεχόμενο - δηλαδή, σχετικό με τις προτιμήσεις του. Ωστόσο, υπάρχουν περιπτώσεις όπου οι συστάσεις γίνονται υπερβολικά προσωποποιημένες, ειδικά στα συστήματα γνωστά ως ``φιλικά προς το δίκτυο''. Τέτοιου είδους συστήματα προσπαθούν να συστήσουν πετυχημένο περιεχόμενο, αλλά παράλληλα ωθούν και τους χρήστες προς περιεχόμενα με χαμηλό κόστος πρόσβασης (πχ. που βρίσκονται στην cache). Αυτό μπορεί να οδηγήσει το χρήστη σε μία κατάσταση όπου του παρουσιάζονται μόνιμα συστάσεις ενός συγκεκριμένου χαρακτήρα, διατηρώντας ή όχι το ενδιαφέρον του μακροπρόθεσμα. Η παρούσα διπλωματική εργασία στοχεύει στη βελτίωση των συστημάτων συστάσεων, μέσω της αύξησης της ποικιλομορφίας του προτεινόμενου περιεχομένου, αποτρέποντας έτσι τη δημιουργία του φαινομένου γνωστού ως ``φυσαλίδες περιεχομένου''. Ξεκινάμε με την παρουσίαση των τυπικών συστημάτων συστάσεων, την εξέλιξή τους σε ``φιλικά προς το δίκτυο'' συστήματα συστάσεων, και την αναπαράσταση του φαινομένου των ``φυσαλιδών περιεχομένου'' στα δεύτερα. Εισάγουμε τα ``ποικίλα, φιλικά προς το δίκτυο συστήματα συστάσεων'', τα οποία στοχεύουν στην παράλληλη επίτευξη ικανοποιητικών συστάσεων, χαμηλού κόστους και υψηλής ποικιλομορφίας. Αφού διατυπώσουμε τη λειτουργία αυτών των συστημάτων ως πρόβλημα βελτιστοποίησης, αποδεικνύουμε ότι το πρόβλημα αυτό είναι κυρτό, και το γραμμικοποιούμε πριν το επιλύσουμε. Από όσο γνωρίζουμε, δεν υπάρχει αντίστοιχη υλοποίηση στη σχετική βιβλιογραφία η οποία να αντιμετωπίζει το ίδιο φαινόμενο επαρκώς, ενώ μάλιστα το σύστημα που δημιουργήσαμε αποδεδειγμένα επιφέρει πολύ καλή αντιστάθμιση κόστους-ποικιλομορφίας. Τέλος, το σύστημά μας επιτρέπει την ενσωμάτωση επιπλέον παραμέτρων (άλλων ερευνών), χωρίς να διακυβεύονται τα ευνοϊκά αποτελέσματα που επιτυγχάνει.	el
Type of Item	Διπλωματική Εργασία	el
Type of Item	Diploma Work	en
License	http://creativecommons.org/licenses/by/4.0/	en
Date of Item	2024-02-29	-
Date of Publication	2024	-
Subject	Σειρές Τέιλορ	el
Subject	Taylor Series	en
Subject	Diverse recommendations	en
Subject	Ποικίλες συστάσεις	el
Subject	Linear approximation	en
Subject	Γραμμική προσέγγιση	el
Subject	Entropy	en
Subject	Εντροπία	el
Subject	Network friendly	en
Subject	Recommendation systems	en
Subject	Συστήματα συστάσεων	el
Subject	Convex optimization	en
Subject	Κυρτή βελτιστοποίηση	el
Subject	Μαρκοβιανές αλυσίδες	el
Subject	Markov chains	en
Bibliographic Citation	Evangelia Tzimpimpaki, "Avoiding content bubbles by network-friendly recommendation algorithms", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2024	en
Bibliographic Citation	Ευαγγελία Τζιμπιμπάκη, "Αποφυγή «Φυσαλίδων» περιεχομένου σε φιλικούς ως προς το δίκτυο αλγόριθμους συστάσεων", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024	el

Search

Browse

My Space

Avoiding content bubbles by network-friendly recommendation algorithms

Tzimpimpaki Evangelia

Available Files

Services

Export

Share

Statistics

Metadata & Content in a METS Package:

Metadata in Format: