Εξόρυξη γνώσης από δεδομένα χρήσης του παγκόσμιου ιστού για την εξατομίκευση θεματικών καταλόγων

Περίληψη

Το θέμα της διατριβής είναι η παρουσίαση μια ολοκληρωμένης και πρωτότυπης μεθοδολογίας που συνδυάζει την εξατομίκευση του Παγκόσμιου Ιστού και τους Θεματικούς καταλόγους προκειμένου να αντιμετώπισει την υπερπληροφόρηση. Ο συνδυασμός αυτός έχει ως αποτέλεσμα την δημιουργία των Εξατομικευμένων Καταλόγων Παγκόσμιου Ιστού, που αντιστοιχούν σε τμήματα της ιεραρχίας του αρχικού καταλόγου, αντιπροσωπεύοντας τα ενδιαφέροντα και τις προτιμήσεις κοινοτήτων χρηστών. Η προσέγγιση βασίζεται στην εξαγωγή γνώσης από δεδομένα χρήσης του Παγκόσμιου ιστού. Τα δεδομένα χρήσης αντιστοιχούν στην περιήγηση του χρήστη σε όλο τον Ιστό και όχι σε ένα μεμονωμένο ιστότοπο, με αποτέλεσμα να παρουσιάζουν μεγάλη θεματική ποικιλία. Για τη κατασκευή των εξατομικευμένων Καταλόγων, παρουσιάζονται τρεις νέες μέθοδοι μηχανικής μάθησης οι οποίες συνδυάζουν τη συμπεριφορά των χρηστών με τις θεματικές πληροφορίες που υπάρχουν στους καταλόγους. Οι μέθοδοι αυτοί βασίζονται σε αλγόριθμους ομαδοποίησης και πιθανοτικής μάθησης, ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This PhD thesis proposes a novel framework that combines Web personalization and Web directories, which results in the concept of Community Web Directories. Community Web directories is a novel form of personalization performed on Web directories, that correspond to "segments" of the directory hierarchy, representing the interests and preferences of user communities. The proposed approach is based on Web usage mining and the usage data that are analyzed here correspond to user navigation throughout the Web, rather than a particular Web site, exhibiting as a result a high degree of thematic diversity. For the construction of Community Web Directories, we introduce three novel techniques that combine the users’ browsing behavior with thematic information from the Web directories.These techniques are based on clustering and probabilistic data modeling and they are evaluated both on a specialized artificial and a general-purpose Web directory. The experiments that have been performed asse ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/28209
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/28209
ND
28209
Εναλλακτικός τίτλος
A web usage mining framework for web directories personalization
Συγγραφέας
Πιερράκος, Δημήτριος (Πατρώνυμο: Ηλίας)
Ημερομηνία
2011
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Εξεταστική επιτροπή
Ιωαννίδης Ιωάννης
Παλιούρας Γεώργιος
Χατζόπουλος Μιχαήλ
Σέλλης Τίμος
Γρηγοριάδου Μαρία
Κουμπαράκης Εμμανουήλ
Παπαθεοδώρου Χρήστος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Κοινωνικές ΕπιστήμεςΕκπαίδευση
Λέξεις-κλειδιά
Μηχανική μάθηση; Μοντελοποίηση χρηστών; Εξατομίκευση παγκόσμιου ιστού; Εξαγωγή γνώσης από δεδομένα χρήσης παγκόσμιου ιστού; Εξατομικευμένοι κατάλογοι παγκόσμιου ιστού; Ομαδοποίηση; Πιθανοθεωρητική μάθηση; Αξιολόγηση χρηστών
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
πιν., σχημ., ευρ.
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)