Διαδραστικά συστήματα συστάσεων υποβοηθούμενα από τεχνικές ενισχυτικής μάθησης

Μανδηλαρά, Ιωάννα; Mandilara, Ioanna

dc.contributor.author	Μανδηλαρά, Ιωάννα	el
dc.contributor.author	Mandilara, Ioanna	en
dc.date.accessioned	2022-10-05T10:37:58Z
dc.date.available	2022-10-05T10:37:58Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55848
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23546
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση"	el
dc.rights	Default License
dc.subject	Reinforcement Learning	en
dc.subject	Recommender Systems	en
dc.subject	Education	en
dc.subject	Deep machine learning	en
dc.subject	Policy gradient methods	en
dc.subject	Ενισχυτική μάθηση	el
dc.subject	Σύστημα σύστασης	el
dc.subject	Βαθιά μηχανική μάθηση	el
dc.subject	Εκπαίδευση	el
dc.subject	Policy gradient μέθοδοι	en
dc.title	Διαδραστικά συστήματα συστάσεων υποβοηθούμενα από τεχνικές ενισχυτικής μάθησης	el
dc.title	Reinforcement Learning Based Recommender Systems	en
heal.type	masterThesis
heal.classification	Ενισχυτική Μάθηση	el
heal.classification	Reinforcement Learning	en
heal.classification	Σύστημα Σύστασης	el
heal.classification	Recommender System	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-05-13
heal.abstract	Nowadays, the development of Social and Emotional competences of students is vital due to the significant portion of time they spend in school during sensitive periods of brain development. Socio-emotional skills help students successfully manage everyday life by improving their learning and social outcomes. This prompts for tools to help tutors in accomplishing social and emotional learning activities and evaluating the impact achieved. Therefore, to address the aforementioned needs, the combination of recommendation systems with machine learning techniques can prove beneficial in creating intelligent and self-learning tools capable of recommending activities focusing on the social and emotional needs of educational groups. In particular, Reinforcement Learning (RL) based recommender systems have become an emerging research topic in recent years. The fact that deep reinforcement learning leverages the learning capacity of deep neural networks to tackle problems that were too complex for classic RL techniques lead to the development of enhanced interactive recommender systems. In the current manuscript, we detail an RL based recommender system that aims to recommend educational activities to teachers, in order to improve the social-emotional competences of students, taking advantage of Deep RL algorithms. Then, we present the results of training and evaluation of this interactive recommendation system, produced by the implementation of Deep RL algorithms, such as Advantage Actor to Critic, Trust Region Policy Optimization and Proximal Policy Optimization.	en
heal.abstract	Στις μέρες μας, η ανάπτυξη των Κοινωνικών και Συναισθηματικών ικανοτήτων των μαθητών είναι ζωτικής σημασίας λόγω του σημαντικού μέρους του χρόνου που περνούν στο σχολείο κατά την διάρκεια ευαίσθητων περιόδων ανάπτυξης της συναισθηματικής νοημοσύνης τους. Οι κοινωνικο-συναισθηματικές δεξιότητες βοηθούν τους μαθητές να διαχειρίζονται με επιτυχία την καθημερινή τους ζωή βελτιώνοντας τις μαθησιακές και κοινωνικές δυσκολίες τους . Αυτό προτρέπει στην δημιουργία εργαλείων που θα βοηθούν τους καθηγητές να ολοκληρώνουν δραστηριότητες κοινωνικής και συναισθηματικής μάθησης και να αξιολογούν τον αντίκτυπο που επιτυγχάνεται. Ως εκ τούτου, για την αντιμετώπιση των προαναφερθείσων αναγκών, ο συνδυασμός συστημάτων συστάσεων με τεχνικές μηχανικής μάθησης μπορεί να αποδειχθεί ευεργετικός στη δημιουργία έξυπνων και αυτο-εκπαιδευτικών εργαλείων, ικανών να προτείνουν δραστηριότητες που εστιάζουν στις κοινωνικές και συναισθηματικές ανάγκες των εκπαιδευτικών ομάδων. Ειδικότερα, τα συστήματα συστάσεων που βασίζονται στην Ενισχυτική Μάθηση (RL) έχουν γίνει ένα αναδυόμενο ερευνητικό θέμα τα τελευταία χρόνια. Το γεγονός ότι η βαθιά ενισχυτική μάθηση αξιοποιεί τη ικανότητα μάθησης των βαθιών νευρωνικών δικτύων για την αντιμετώπιση προβλημάτων, που ήταν πολύ περίπλοκα για τις κλασικές τεχνικές \en{RL}, οδηγεί στην ανάπτυξη βελτιωμένων διαδραστικών συστημάτων συστάσεων. Στο τρέχον χειρόγραφο, περιγράφουμε λεπτομερώς ένα σύστημα συστάσεων βασισμένο σε RL που στοχεύει στην σύσταση εκπαιδευτικών δραστηριοτήτων στους δασκάλους, προκειμένου να βελτιώσει τις κοινωνικο-συναισθηματικές ικανότητες των μαθητών, αξιοποιώντας τους αλγόριθμους Deep RL. Στη συνέχεια, παρουσιάζουμε τα αποτελέσματα εκπαίδευσης και αξιολόγησης αυτού του διαδραστικού συστήματος συστάσεων, που παράγονται από την εφαρμογή αλγορίθμων Deep RL, όπως Advantage Actor to Critic, Trust Region Policy Optimization και Proximal Policy Optimization.	el
heal.advisorName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	67 σ.	el
heal.fullTextAvailability	false