Βελτιστοποίηση Αλγορίθμων Πρόβλεψης Προτιμήσεων Χρηστών Σε Περιβάλλον Έξυπνης Τηλεόρασης

Abstract

Στη σύγχρονη κοινωνία, ο όγκος των διαθέσιμων πληροφοριών, προϊόντων και υπηρεσιών, οι γρήγοροι ρυθμοί ζωής, αλλά και οι διαρκώς αυξανόμενες απαιτήσεις των ανθρώπων καθιστούν απαραίτητη τη χρήση αλγορίθμων πρότασης περιεχομένου ανάλογου με τις προτιμήσεις του εκάστοτε χρήστη. Σκοπός της παρούσας διπλωματικής εργασίας είναι η βελτιστοποίηση ενός αλγορίθμου πρόβλεψης προτιμήσεων χρηστών, έτσι ώστε να μειωθεί η απόκλιση των προβλεπόμενων από τις πραγματικές, αλλά και ο απαιτούμενος χρόνος για την ολοκλήρωση της διαδικασίας. Βάση για τη διαμόρφωση της εργασίας αυτής αποτελεί το σύστημα που αναπτύχθηκε στα πλαίσια του SAM project, το οποίο με τη χρήση second screen προτείνει περιεχόμενο σχετικό με ταινίες. Από αυτό πηγάζουν η βάση δεδομένων και ο αρχικός αλγόριθμος που χρησιμοποιούνται. Επομένως, στόχος της εργασίας είναι η ακριβέστερη και ταχύτερη πρόβλεψη σε πραγματικό χρόνο της βαθμολογίας ενός χρήστη για μία ταινία, προκειμένου να καθοριστεί αν θα αποτελέσει προτεινόμενο για αυτόν περιεχόμενο. Η πρόβλεψη βασίζεται στη βαθμολογία που προκύπτει μέσω sentiment analysis από τα σχόλια για την ταινία άλλων χρηστών με παρόμοιες προτιμήσεις. Προκειμένου να επιτευχθεί ο παραπάνω στόχος, η αρχική βάση δεδομένων υπό μορφή γράφου (neo4j) εμπλουτίζεται με επιπλέον σχέσεις και στοιχεία, τα οποία ανανεώνονται και υπολογίζονται εκ νέου όταν συγκεντρωθεί όγκος δεδομένων ικανός να δημιουργήσει αποκλίσεις στα αποτελέσματα. Ακόμη, αναπτύσσεται σε java αλγόριθμος που αποτυπώνει πιο αντιπροσωπευτικά την ομοιότητα των προτιμήσεων δυο οποιωνδήποτε χρηστών, τόσο λόγω διαφορετικού τρόπου υπολογισμού αυτής όσο και λόγω εξειδικευμένης αντιμετώπισης ιδιαίτερων περιπτώσεων και βαθμολογικών μοτίβων. Επιπρόσθετα, βελτιστοποιείται ο εξαιρετικά διαδεδομένος για recommendation systems, k-ΝΝ (k-nearest neighbour) αλγόριθμος και περιορίζεται η επίδραση ή απομονώνονται από τη διαδικασία χρήστες των οποίων η συμπεριφορά επηρεάζει αρνητικά την ορθότητα των προβλέψεων. Επιπλέον, αντιμετωπίζονται διαφορετικά χρήστες που αναμένεται ότι θα παρουσιάσουν ιδιάζουσα συμπεριφορά όταν πραγματοποιούνται προβλέψεις για αυτούς (gray και black sheep). Τέλος, περιορίζονται οι on demand υπολογισμοί που απαιτούνται κάθε φορά, το πλήθος των προσβάσεων στη βάση δεδομένων και ο συνολικός καταναλισκόμενος σε αυτές χρόνος, αυξάνοντας σημαντικά την ταχύτητα του αλγορίθμου.