Recommender systems with real-life applications

Abstract

Based on the 2012 ACM Computing Classification System (ACM CCS), recommender systems are sub-category of Information Systems and Information Retrieval, bridging concepts from those two categories. Recommender systems are basically tools that traditionally predict the likelihood of a user’s preference for an item. They are typically used in a variety of applications such as movies, music, news, books, research articles, search queries, social tags, and products in general. The goal of such a system is to understand the user’s preferences and taste and then recommend items that the user is likely to enjoy or find useful. Modern recommender systems reveal an expansion on the application areas such systems are being used for various scenarios. This brings us to what we call in the context of this dissertation “recommender systems with real-life applications” (or real-life recommender systems in short), that forms the main research direction of this dissertation. The domain of research is the subject of “Recommender Systems”, focusing though on a problem with a greater amount of challenges and extensions. The scope of this research is to provide a new type of recommender systems that spans beyond the traditional virtual frameworks of social networks and web applications. Real-life recommender systems are fed with real-world data (i.e. user trajectories, IoT sensor data, etc.), extract patterns that are correspond to user habits and recommend real-life actions to the user. This thesis, attempts to lay down the fundamental characteristics of such systems and provides a hands-on development of a demo framework for the case of energy consumption and sustainability, providing energy-related action recommendations for reducing users’ energy consumption.

Με βάση το από 2012 Σύστημα Κατηγοριοποίησης Υπολογιστικών Όρων της ACM (ACM Computing Classification System, ACM CCS), τα συστήματα συστάσεων είναι υπο-κατηγορία των Πληροφοριακών Συστημάτων και των συστημάτων Ανάκτησης Πληροφοριών, γεφυρώνοντας έννοιες και από τις δύο παραπάνω κατηγορίες. Τα συστήματα συστάσεων είναι ουσιαστικά εργαλεία που παραδοσιακά προβλέπουν την πιθανότητα προτίμησης ενός χρήστη για ένα αντικείμενο. Συνήθως χρησιμοποιούνται σε μια ποικιλία εφαρμογών για παραγωγή συστάσεων, όπως ταινίες, μουσική, ειδήσεις, βιβλία, ερευνητικά άρθρα, ερωτήματα αναζήτησης, ετικέτες κοινωνικής δικτύωσης και προϊόντα γενικότερα. Ο στόχος ενός τέτοιου συστήματος είναι να κατανοήσει τις προτιμήσεις του χρήστη και στη συνέχεια να προτείνει αντικείμενα που ο χρήστης είναι πιθανό να προτιμήσει ή να βρει χρήσιμα. Τα σύγχρονα συστήματα συστάσεων αποκαλύπτουν μια επέκταση στους τομείς εφαρμογής που χρησιμοποιούνται τέτοια συστήματα για διάφορα σενάρια. Αυτό μας φέρνει σε αυτό που στο πλαίσιο αυτής της διατριβής ονομάζουμε «Συστήματα συστάσεων με εφαρμογές στον πραγματικό κόσμο» (ή Συστήματα Συστάσεων για τον πραγματικό κόσμο), το οποίο αποτελεί την κύρι α ερευνητική κατεύθυνση αυτής της διατριβής. Το πεδίο έρευνας της παρούσας εργασίας είναι τα “Συστήματα Συστάσεων”, εστιάζοντας όμως σε ένα πρόβλημα με πολύ μεγαλύτερες προκλήσεις και προεκτάσεις. Σκοπός αυτής της έρευνας είναι ο ορισμός και η περιγραφή ενός νέου τύπου συστημάτων συστάσεων που επεκτείνονται πέρα από τα παραδοσιακά εικονικά πλαίσια των κοινωνικών δικτύων και των εφαρμογών Ιστού. Τα συστήματα συστάσεων πραγματικού κόσμου τροφοδοτούνται με δεδομένα πραγματικού κόσμου (π.χ. τροχιές χρηστών, δεδομένα αισθητήρων IoT, κ.λπ.), εξάγουν πρότυπα (patterns) τα οποία αντιστοιχούν σε ανθρώπινες συνήθειες και προτείνουν ενέργειες στον πραγματικό κόσμο. Η παρούσα διατριβή επιχειρεί να καθορίσει τα θεμελιώδη χαρακτηριστικά τέτοιων συστημάτων και παρέχει μια πρακτική ανάπτυξη ενός πλαισίου επίδειξης για την περίπτωση παροχής συστάσεων για δράσεις ενεργειακής απόδοσης με σκοπό τη μείωση της κατανάλωσης ενέργειας από τους χρήστες.