Ενσωμάτωση αλγορίθμου προτάσεων σε περιβάλλον ηλεκτρονικού καταστήματος

Κολοβού, Ελένη; Kolovou, Eleni

dc.contributor.author	Κολοβού, Ελένη	el
dc.contributor.author	Kolovou, Eleni	en
dc.date.accessioned	2016-06-14T10:57:18Z
dc.date.available	2016-06-14T10:57:18Z
dc.date.issued	2016-06-14
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42708
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.12448
dc.rights	Default License
dc.subject	Σύστημα προτάσεων	el
dc.subject	E-Commerce	en
dc.subject	Commerce	en
dc.subject	Recommender	en
dc.subject	Fashion	en
dc.subject	Ηλεκτρονικό εμπόριο	en
dc.title	Ενσωμάτωση αλγορίθμου προτάσεων σε περιβάλλον ηλεκτρονικού καταστήματος	el
heal.type	bachelorThesis
heal.classification	Σύστημα προτάσεων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2015-03-26
heal.abstract	Το Ηλεκτρονικό Εμπόριο στο Διαδίκτυο έχει σημειώσει τεράστια εξέλιξη ωστόσο, οι καταναλωτές εξακολουθούν να αντιμετωπίζουν προβλήματα στον εντοπισμό προϊόντων τα οποία να ικανοποιούν τις ανάγκες και επιθυμίες τους. Λύση στο πρόβλημα αυτό έρχονται να δώσουν τα Συστήματα Προτάσεων, τα οποία εξελίσσονται από καινοτομίες με εφαρμογή σε ολιγάριθμες ιστοσελίδες Ηλεκτρονικού εμπορίου, σε σοβαρά επιχειρηματικά εργαλεία που επαναπροσδιορίζουν τον χάρτη του Ηλεκτρονικού Εμπορίου. Πολλές από τις μεγαλύτερες εμπορικές διευθύνσεις του Διαδικτύου χρησιμοποιούν ήδη Συστήματα Προτάσεων για να βοηθήσουν τους πελάτες τους να βρουν εύκολα τα προϊόντα που επιθυμούν. Ένα Σύστημα Προτάσεων «μαθαίνει» από έναν πελάτη και προτείνει προϊόντα που ο πελάτης θα βρει περισσότερο αξιόλογα από έναν κατάλογο διαθέσιμων προϊόντων. Στους υπάρχοντες ιστόχωρους που αφορούν την γυναικεία ένδυση έχουν εφαρμοστεί πλήθος Συστημάτων Προτάσεων, αλλά όλα είναι προσανατολισμένα προς αναζήτηση με βάση τα συγκεκριμένα χαρακτηριστικά του προϊόντος (όπως τιμή, χρώμα) ή του χρήστη (όπως το συνεργατικό φιλτράρισμα). Με βάση την τεχνολογία της συλλογιστικής (κοινής λογικής) αναπτύσσεται μία τεχνική συστάσεων η οποία βοηθά τους χρήστες να προσδιορίζουν ευκολότερα και πιο στοχευμένα τις ανάγκες που θέλουν να καλύπτει ένα καταναλωτικό προϊόν αυτού του κλάδου. Έτσι μέσω συσχετισμών που έχουν γίνει από ειδικούς του χώρου προτείνονται προϊόντα με συγκεκριμένες ιδιότητες τα οποία ανταποκρίνονται στις ανάγκες του εκάστοτε καταναλωτή. Τα Συστήματα αυτά βοηθούν τους καταναλωτές να εντοπίσουν επιθυμητά προϊόντα ακόμα και όταν οι καταναλωτές δε γνωρίζουν ακριβώς τι προϊόντα ψάχνουν.	el
heal.abstract	Despite the full blossom of web - b ased E - Commerce in the last yerars, customers are still faced with serious obstacles regarding the proper identification of the specific products that satisfy both their needs and wishes. Recommender Systems provide an optimized solution to this problem. R ecommender Systems are evolving from innovative - yet simplistic - techniques with limited application to a few E - Commerce websites to advanced, next - generation business tools that reshape the map of E - Commerce. Most major commercial web - based adresses hav e already implemented Recommender Systems to their platforms, in order to facilitate the selection of products - to - buy for their customers. A Recommender System has the inherent ability to ‘learn’ from a customer and therefore to suggest her products that m atch the customer’s profile, from the inventory of available products. In the fashion - related websites, a significant part of modern E - Commerce websites that is also our area of inquiry, the application of Recommender Systems has found a prosperous ground. However, all of these Recommender Systems are oriented in such way, so as to give emphasis on a search strongly correlated to specific attributes of products (such as their price or colour) or customers (the case of collaborative filtering). Via the emplo yment of deductive reasoning (i.e. common logic), a Recommender technique is being developed in this Thesis with the utmost purpose to help customers to safely navigate through everyday fashion scenarios in order to properly select specific products, a t echnique that is also fully functional even when the customers do not know what product to look for beforehand.	en
heal.advisorName	Γρηγόριος, Μέντζας	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	127 σ.
heal.fullTextAvailability	true