Machine learning-based recommendation methods for multimedia data

Περίληψη

Τα συστήματα σύστασης (recommender systems, RS) παρέχουν πληροφορίες κατά τρόπο ώστε να είναι πιο κατάλληλες και πολύτιμες στους χρήστες και να αποτρέπεται η σύγχυση των χρηστών από τα τεράστια ποσά πληροφοριών τα οποία θα έπρεπε να εξετάσουν, χωρίς τη χρήση αυτών. Σε αυτή τη διατριβή αρχικά, ερευνήθηκε η χρήση υποσυνόλων αντικειμενικών χαρακτηριστικών βασισμένων στο περιεχόμενο για τη μοντελοποίηση της εξατομικευμένης (υποκειμενικής) αντίληψης για την ομοιότητα μεταξύ των πολυμεσικών αντικειμένων. Παρουσιάζεται ένα σύστημα σύστασης βασισμένο στο περιεχόμενο που κατασκευάζει τα πρότυπα αντίληψης των χρηστών για την ομοιότητα μουσικών κομματιών και τη συσχέτιση διαφορετικών μέτρων ομοιότητας με διαφορετικούς χρήστες. Τα αποτελέσματα της αξιολόγησης του συστήματος επαλήθευσαν τη σχέση που υπάρχει μεταξύ υποσυνόλων των αντικειμενικών χαρακτηριστικών και της εξατομικευμένης αντίληψης των χρηστών για την ομοιότητα μουσικών κομματιών. Επίσης, εξετάσθηκε η διαδικασία σύστασης ως ένας υβριδικό ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Recent advances in electronic media and computer networks have allowed the creation of large and distributed repositories of information. However, the immediate availability of extensive resources for use by broad classes of computer users gives rise to new challenges in everyday life. These challenges arise from the fact that users cannot exploit available resources effectively when the amount of information requires prohibitively long user time spent on acquaintance with and comprehension of the information content. Thus, the risk of information overload of users imposes new requirements on the software systems that handle the information. Such systems are calls Recommender Systems (RS) and attempt to provide information in a way that will be most appropriate and valuable to its users and prevent them from being overwhelmed by huge amounts of information that, in the absence of RS, they should browse or examine. In this thesis, firstly, it explored the use of objective content-based ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/24757
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/24757
ND
24757
Συγγραφέας
Λαμπρόπουλος, Αριστομένης (Πατρώνυμο: Στέργιος)
Ημερομηνία
2010
Ίδρυμα
Πανεπιστήμιο Πειραιώς. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Τσιχριντζής Γεώργιος
Βίρβου Μαρία
Δεσπότης Δημήτριος
Αλωνιστιώτη Αθανασία
Νίκου Χριστόφορος
Τσακαλίδης Παναγιώτης
Βεργάδος Δημήτριος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Συστήματα συστάσεων; Μηχανική μάθηση; Μονοταξικές μηχανές διανυσματικής υποστήριξης; Υβριδικές μέθοδοι συστάσεων; Μέτρα μουσικής ομοιότητας; Πολυμεσικά δεδομένα; Εξατομίκευση πληροφορίας; Ανάκτηση με βάση το περιεχόμενο
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
[xvi], 170 σ., εικ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)