Συστήματα προτάσεων με πιθανοτικά μοντέλα θεμάτων

Περίληψη

H διδακτορική διατριβή τοποθετείται στον χώρο των συστημάτων αποφάσεων και ειδικότερα στην περιοχή των συστημάτων προτάσεων (recommender systems) όπου προτείνει την ανάπτυξη συστημάτων προτάσεων με χρήση πιθανοτικών μοντέλων θεμάτων (probabilistic topic models).Στο πλαίσιο της διατριβής πραγματοποιήθηκε βιβλιογραφική μελέτη στα γνωστικά πεδία της χρήσης τεχνικών μηχανικής μάθησης και της πιθανοτικής λανθάνουσας σημασιολογικής ανάλυσης (probabilistic latent semantic analysis) για την πραγματοποίηση προτάσεων. Στην παρούσα διατριβή διερευνάται η δυνατότητα για βελτιωμένα συστήματα προτάσεων στο εσωτερικό επιχειρήσεων, κοινοτήτων και στο εμπόριο με βάση λανθάνοντα θέματα.Παρουσιάζεται μία προσέγγιση για την ενσωμάτωση της υπάρχουσας γνώσης ενός πεδίου σε ένα σύστημα προτάσεων. Ακόμη, προτείνεται μια μεθοδολογία που εκμεταλλεύεται την εξαγωγή πιθανοτικών μοντέλων θεμάτων για την πλήρη και αποτελεσματική μοντελοποίηση της ικανότητας ενός εργαζομένου να αντιμετωπίσει ένα πρόβλημα. Περιγράφετ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This doctoral thesis is positioned in the research area of decision support systems and specifically in recommender systems. It focuses on the design and development of recommender systems based on probabilistic topic models.In this thesis we have thoroughly examined the literature related to utilizing machine learning techniques and probabilistic latent semantic analysis for providing recommendations. We explore the possibility to design improved recommender systems inside enterprises, communities and in electronic commerce based on latent topics.An approach is presented for integrating existing domain knowledge in a recommender system. Additionally, a methodology is proposed for utilizing probabilistic topic models for complete and effective modeling of employee expertise on addressing problems. A methodology is described for extracting consumer preferences from datasets using topic models. Finally, we present and evaluate a methodology for utilizing the unstructured text found in el ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/29091
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/29091
ND
29091
Εναλλακτικός τίτλος
Recommender systems with probabilistic topic models
Συγγραφέας
Χρηστίδης, Κωνσταντίνος του Αναστάσιος
Ημερομηνία
2013
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων
Εξεταστική επιτροπή
Μέντζας Γρηγόριος
Βασιλείου Ιωάννης
Ψαρράς Ιωάννης
Σταφυλοπάτης Ανδρέας Γεώργιος
Ασκούνης Δημήτριος
Βακάλη Αθηνά
Αποστόλου Δημήτριος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Συστήματα προτάσεων; Πιθανοτική λανθάνουσα σημασιολογική ανάλυση; Πιθανοτικά μοντέλα θεμάτων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
255 σ., πιν., σχημ., γραφ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)