Μοντέλα συστάσεων για δυναμικά χωροχρονικά δεδομένα μεγάλου όγκου

Περίληψη

Τα τελευταία χρόνια η εξελισσόμενη φύση των κοινωνικών δικτύων έχει οδηγήσει στην ταχεία ανάπτυξη του Διαδικτύου και παράλληλα στη ραγδαία αύξηση του όγκου των δεδομένων σε παγκόσμια κλίμακα. Η ανάγκη για πρόσβαση και ανάκτηση πληροφοριών σχετικά με τις προτιμήσεις των χρηστών είναι ένα ανοικτό πρόβλημα που εγείρει συνεχώς νέες προκλήσεις για την έρευνα. Η ερευνητική αυτή περιοχή ονομάζεται συστήματα συστάσεων και εστιάζει στη μοντελοποίηση και ανάλυση των δεδομένων ώστε να ανακτηθεί σχετική πληροφορία με βάση τις προτιμήσεις των χρηστών ώστε να προταθούν κάποιες νέες εναλλακτικές επιλογές. Η εξερεύνηση των μεγάλων όγκων δεδομένων από τα υπάρχοντα μοντέλα που αναφέρονται στη βιβλιογραφία δεν είναι επαρκής εξαιτίας της ακολουθούμενης κατανομής που κάνει την εξατομίκευση μια δύσκολη διαδικασία. Το πρόβλημα αυτό είναι γνωστό και ως “Cold start” κατά το οποίο γίνεται προσπάθεια να ανακτηθεί σχετική πληροφορία με βάση τις προτιμήσεις των χρηστών για τους οποίους η πληροφορία δεν είναι επαρκ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Recent years, the evolving nature of social networks has led to the expeditious growth of the internet and the rapid increment of the data on a global scale. The need of accessing and retrieving relevant information close to users’ preferences is an open problem which continuously raises new challenges for recommender systems. To over come this problem many researchers focused on creating models that provide personalized recommendation in order to assist users making choices. In this context, a new research area in information systems has emerged over the last decades to respond to these challenges. This research area is called recommendation systems and focuses on modelling and analyzing data in order to retrieve relevant information based on users’ preferences and to suggest some new alternatives. The exploitation of information in large amounts with the existing models is not sufficient since power law distribution of the data causes sparsity problem and makes personalization a diff ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/41239
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41239
ND
41239
Εναλλακτικός τίτλος
Recommendation models for dynamic spatiotemporal big data
Συγγραφέας
Κεφαλάς, Παύλος (Πατρώνυμο: Φώτιος)
Ημερομηνία
2017
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής. Εργαστήριο Τεχνολογίας και Επεξεργασίας Δεδομένων
Εξεταστική επιτροπή
Μανωλόπουλος Ιωάννης
Βακάλη Αθηνά
Βασιλακόπουλος Μιχαήλ
Γούναρης Αναστάσιος
Ευαγγελίδης Γεώργιος
Μαργαρίτης Κωνσταντίνος
Παπαδόπουλος Απόστολος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Συστήματα συστάσεων; Υβδριδικά μοντέλα προβλέψεων; Μεγάλοι όγκοι χωροχρονικών δεδομένων; Δυναμική ανάλυση
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xxvi, 143 σ., πιν., χαρτ., σχημ., γραφ., 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)