Σχεδίαση και υλοποίηση συστήματος σύστασης βασισμένου
σε γνώση για την αντιμετώπιση του προβλήματος ψυχρής
εκκίνησης

Αργυρίου, Στέφανος Παναγιώτης; Argyriou, Stefanos Panagiotis

dc.contributor.author	Αργυρίου, Στέφανος Παναγιώτης	el
dc.contributor.author	Argyriou, Stefanos Panagiotis	en
dc.date.accessioned	2018-05-18T10:32:17Z
dc.date.available	2018-05-18T10:32:17Z
dc.date.issued	2018-05-18
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46966
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15386
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Συστήματα σύστασης βασισμένα σε γνώση	el
dc.subject	Επεξεργασία γνώσης	el
dc.subject	Οντολογία	el
dc.subject	Γράφος	el
dc.subject	Ομοιότητα	el
dc.subject	Knowledge based recommender systems	en
dc.subject	Knowledge engineering	el
dc.subject	Ontology	el
dc.subject	Graph	el
dc.subject	Similarity	el
dc.title	Σχεδίαση και υλοποίηση συστήματος σύστασης βασισμένου σε γνώση για την αντιμετώπιση του προβλήματος ψυχρής εκκίνησης	el
heal.type	bachelorThesis
heal.classification	Ευφυή συστήματα	el
heal.classificationURI	http://data.seab.gr/concepts/aeeca99fc63e5f271c42e25accff2693ca5625d7
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-03-08
heal.abstract	Η συνεχής εξέλιξη του διαδικτύου και η διάδοση των μέσων μαζικής δικτύωσης και επικοινωνίας έχουν καταστήσει ευκολότερη από ποτέ τη δήλωση και συλλογή πληροφοριών σχετικά με τα ενδιαφέροντα, τις ασχολίες και τις καταναλωτικές συνήθειες κάθε χρήστη ξεχωριστά. Σε αυτά τα πλαίσια, ο τομέας των συστήματων σύστασης εξελίχθηκε και συνεχίζει να εξελίσσεται με αλματώδεις ρυθμούς ακόμα και εν έτει 2017, 10 χρόνια μετά τη διεξαγωγή του Netflix Prize Event. Σκοπός της παρούσης εργασίας αποτελεί η ανάλυση, σχεδίαση και δημιουργία ενός συστήματος σύστασης βασισμένου σε γνώση για την αντιμετώπιση του προβλήματος της ψυχρής εκκίνησης, κατάσταση η οποία μειώνει την αποτελεσματικότητα ακόμα και των πιο πετυχημένων διαδικτυακών συστημάτων σύστασης. Αρχικά, γίνεται μία εισαγωγή στον τομέα των συστημάτων σύστασης και στον τρόπο με τον οποίο πραγματοποιείται η οντολογική αναπαράσταση γνώσης και οι αντίστοιχες συλλογιστικές διαδικασίες. Ιδιαίτερη έμφαση δίνεται στον τρόπο με τον οποίο τα παραπάνω πεδία εκφράζονται στον Παγκόσμιο Ιστό. Με βάση τα βασικά χαρακτηριστικά και τη θεωρητική θεμελίωση των προαναφερθέντων τομέων επιχειρήθηκε η δημιουργία ενός όσο το δυνατόν πιο αποτελεσματικού συστήματος σύστασης βασισμένου σε γνώση. Σε πρώτο στάδιο σχεδιάστηκε η οντολογία που τροφοδοτείται στο σύστημα για την εξαγωγή των συστάσεων. Πρόκειται για μία κινηματογραφική οντολογία που αντλήθηκε από το διαδίκτυο και πιο συγκεκριμένα από τις βάσεις δεδομένων του Movielens και του IMDB. Κατόπιν, αναλύθηκε η λειτουργία της μηχανής συστάσεων για την παροχή προτάσεων στις περιπτώσεις που ο χρήστης εισάγει ως ενδιαφέροντά του μία ή περισσότερες ταινίες. Έγινε ακόμη, εκτενής προσπάθεια για τη δημιουργία ενός περιβάλλοντος διεπαφής με το χρήστη που να επιτελεί τους στόχους του συστήματος χωρίς να εμβαθύνει περαιτέρω σε λειτουργίες που δε συνδέονταν άμεσα με το σύστημα σύστασης. Στο τελευταίο κεφάλαιο γίνεται σύγκριση των αποτελεσμάτων του συστήματος που κατασκευάστηκε με τους αλγορίθμους για εξαγωγή προτάσεων που χρησιμοποιούνται εκτενώς από το Apache Mahout.	el
heal.abstract	The constant evolution of the Web and social media have made the collection of data, hobbies and consumer habits easier than ever for each unique user. Under this spectrum, the field of recommender systems has evolved and keeps evolving even in 2017, 10 years after the Netflix Prize Event. The goal of this project is the analysis, the design and the creation of a Knowledge Based Recommender System to deal with the Cold Start Problem, a condition that lowers the effectiveness of even the most successful Recommender Systems. In the beginning, a short introduction on the field of Recommender Systems and the way the ontologic representation of kowledge and the corresponding reasoning techniques. Special emphasis is given to the way knowledge is represented on the Web. Based on the study of the aforementioned fields and the theoritical foundations of the field of Knowledge Engineering a Knowledge Based Recommender system was created. At first, the associated ontology that supplied the system with information was created. It was a cinematographic ontology that derived from the Web and more precisely from the databases of Movielens and iMDB. Then, the responsiveness of the recommender engine was analysed when the user would express interest in one or multiple movies. There was also significant effort in the creation of a user interface that would allow the user to interact with the recommendations, without however offering more functionality than just the presentaton and selection of movies. In the last chapter, the results of already existing recommender systems were compared with the results of the newly created Knowledge Based Recommender System	en
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Ευφυών Επικοινωνιών και Δικτύων Ευρείας Ζώνης	el
heal.academicPublisherID	ntua
heal.numberOfPages	104 σ.
heal.fullTextAvailability	true