Συστήματα Προσωποποιημένων Συστάσεων για Προβλήματα Προσανατολισμού

Τσιρτσής, Ευστράτιος; Tsirtsis, Efstratios

dc.contributor.author	Τσιρτσής, Ευστράτιος	el
dc.contributor.author	Tsirtsis, Efstratios	en
dc.date.accessioned	2019-07-10T10:02:19Z
dc.date.available	2019-07-10T10:02:19Z
dc.date.issued	2019-07-10
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49033
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16703
dc.rights	Default License
dc.subject	Πρόβλημα προσανατολισμού	el
dc.subject	Συστήματα συστάσεων	el
dc.subject	Ευριστικές τεχνικές	el
dc.subject	Συσταδοποίηση	el
dc.subject	Πρόβλημα σχεδιασμού τουριστικών διαδρομών	el
dc.subject	Orienteering problem	en
dc.subject	Recommender systems	en
dc.subject	Heuristics	en
dc.subject	Clustering	en
dc.subject	Tourist trip design problem	en
dc.title	Συστήματα Προσωποποιημένων Συστάσεων για Προβλήματα Προσανατολισμού	el
heal.type	bachelorThesis
heal.classification	Πληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-03-15
heal.abstract	Ένας τομέας με ενδιαφέρουσες αλγοριθμικές προκλήσεις είναι αυτός του σχεδιασμού τουριστικών διαδρομών. Η ύπαρξη πολλαπλών αξιοθέατων σε μια πόλη σε συνδυασμό με τον περιορισμένο χρόνο που διαθέτει ένας τουρίστας δημιουργεί την ανάγκη για υπολογισμό μιας διαδρομής που να ικανοποιεί τις προσωπικές του προτιμήσεις ενώ την ίδια στιγμή τηρεί κάποιο αυστηρό χρονικό περιορισμό. Το πρόβλημα αυτό, γνωστό ως Πρόβλημα του Προσανατολισμού, αντιμετωπίζεται συνήθως με ευριστικές μεθόδους και προσεγγιστικούς αλγορίθμους. Ενώ η υπάρχουσα βιβλιογραφία εστιάζεται στην σχεδίαση τέτοιων αλγορίθμων θεωρώντας το προφίλ προτιμήσεων του εκάστοτε τουρίστα γνωστό με βάση την προηγούμενη συμπεριφορά του, κάτι τέτοιο δεν ανταποκρίνεται πλήρως στην πραγματικότητα. Λόγω των διαφορών των διαθέσιμων αξιοθέατων στις διάφορες πόλεις του κόσμου, η προηγούμενη συμπεριφορά του τουρίστα δεν αντικατοπτρίζει πλήρως τις μελλοντικές του προτιμήσεις. Με άλλα λόγια, γνωρίζοντας ότι ένας τουρίστας επισκέφθηκε μουσεία στο Παρίσι, δεν σημαίνει υποχρεωτικά ότι τον ενδιαφέρει να επισκεφθεί μουσεία και στη Νέα Υόρκη. Στην παρούσα διπλωματική εργασία γίνεται μια πρώτη προσπάθεια αντιμετώπισης του συγκεκριμένου προβλήματος σχεδιάζοντας αλγόριθμους εμπνευσμένους από κλασικές μεθόδους προσωποποιημένων συστάσεων. Με πειραματική αξιολόγηση σε πραγματικά δεδομένα τουριστών, αποδεικνύεται ότι οι αλγόριθμοι αυτοί είναι αποτελεσματικότεροι από κλασικές μεθόδους σύστασης των διασημότερων αξιοθέατων σε κάθε πόλη. Από πλευρά διαχείρισης πληροφορίας, παρατηρείται ότι η χρήση αλγορίθμων συσταδοποίησης ως μέσο συμπίεσης των προφίλ προτιμήσεων των τουριστών μπορεί να επιταχύνει αισθητά την εκτέλεση των προαναφερθέντων αλγορίθμων συστάσεων, προκαλώντας ελάχιστες απώλειες στην προσωπική ικανοποίηση των τουριστών.	el
heal.abstract	A field with interesting algorithmic challenges is the one concerning tourist trip design. The excess of touristic attractions in a city combined with the limited available time of a tourist creates the need to compute a path that satisfies the tourist’s personal preferences while maintaining a given time budget. This problem, known as the Orienteering Problem, is usually faced with heuristics and approximation algorithms. While existing literature focuses on the design of such algorithms considering the preference profile of each tourist to be known based on their previous behavior, that assumption is not entirely realistic. Because of the differences between the available attractions in each city around the world, the previous tourist behavior does not reflect their future preferences. In other words, knowing that a tourist visited museums in Paris, does not necessarily mean that they are interested in visiting museums in New York. In this thesis, a first attempt of facing that problem is presented, by designing algorithms inspired by classic recommendation techniques. By experimental evaluation on real tourists’ data, such algorithms are proved to outperform classic approaches of recommending attractions based on popularity. From a data management perspective, it is observed that the use of clustering algorithms as a means of compression of the tourists’ preference profiles can extremely speed up execution of the aforementioned recommendation algorithms, inflicting minimal losses in individual tourist satisfaction.	en
heal.advisorName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	87 σ.	el
heal.fullTextAvailability	true