Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18246
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚατσικερός, Θεόδωρος-
dc.date.accessioned2022-03-04T12:29:05Z-
dc.date.available2022-03-04T12:29:05Z-
dc.date.issued2021-11-05-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18246-
dc.description.abstractΤα Συστήματα Συστάσεων είναι ένας τύπος συστημάτων που χρησιμοποιείται σχεδόν σε κάθε online πλατφόρμα, ώστε να προτείνονται στους χρήστες αντικείμενα που μπορεί να τους ενδιαφέρουν, κυρίως για διαφημιστικούς/εμπορικούς λόγους. Τα νέα δεδομένα που φέρνει η εποχή της τεχνολογίας όμως με την αύξηση της ροής δεδομένων στο διαδίκτυο και οι δυνατότητες που προσφέρει η επιστήμη των Big Data, επιβάλλουν τη χρήση Μηχανικής Μάθησης και στον τομέα των Συστημάτων Συστάσεων, προκειμένου να γίνονται πιο αποτελεσματικές και εύστοχες συστάσεις. Έχει υπάρξει αρκετή έρευνα ως προς την εφαρμογή της Μηχανικής Μάθησης σε Συστήματα Συστάσεων, κυρίως με χρήση της Επιβλεπόμενης Μάθησης που μέχρι πρότινως θεωρούταν η ιδανική για εφαρμογή στο συγκεκριμένο κλάδο. Παρόλα αυτά, η προσπάθεια της έρευνας τα τελευταία χρόνια συγκεντρώνεται στην εφαρμογή πιο σύνθετων μεθόδων, όπως η Ενισχυτική Μάθηση, αφού είναι πολλά υποσχόμενη όσον αφορά τη διαχείριση μεγάλου όγκου δεδομένων. Στην παρούσα διπλωματική εργασία, μελετήθηκαν και παρουσιάστηκαν παραδείγματα εφαρμογής της Ενισχητικής Μάθησης σε Συστήματα Συστάσεων σε διάφορους τομείς, όπως το e-commerce (Feed Streaming Recommendation), η Μουσική (Music Recommendation), οι Ειδήσεις (News Recommendation) και οι Διαφημίσεις (Ad Recommendation). Αναλύθηκε σε μεγάλο βαθμό η τεχνική υλοποίησης των αλγορίθμων, εξηγήθηκε γιατί η Ενισχυτική Μάθηση ήταν το κατάλληλο εργαλείο για την κάθε περίπτωση ξεχωριστά, παρουσιάστηκαν τα ωφέλη μέσω παρουσίασης πραγματικών πειραμάτων που έχουν διεξαχθεί, και τέλος επισημάνθηκαν οι δυσκολίες που προκύπτουν λόγω της εφαρμογής της Ενισχυτικής Μάθησης. Προφανώς, η ενσωμάτωση τεχνικών Ενισχυτικής Μάθησης στα Συστήματα Συστάσεων, επιφέρει επιπλέον πολυπλοκότητα και δυσκολία υλοποίησης των εκάστοτε αλγορίθμων. Στη συγκεκριμένη περίπτωση ωστόσο, τα πειραματικά αποτελέσματα δηλώνουν με σαφή τρόπο πως το τίμημα αυτό αξίζει να το πληρώσει κανείς, καθώς τα Συστήματα Συστάσεων που χρησιμοποιούν ως εργαλείο την Ενισχυτική Μάθηση είναι πολύ καλύτερα από τα παραδοσιακά Συστήματα Συστάσεων σε κάποιους τομείς εφαρμογών.en_US
dc.languageelen_US
dc.subjectΜηχανική Μάθησηen_US
dc.subjectMachine Learningen_US
dc.subjectΕπιβλεπόμενη Μάθησηen_US
dc.subjectSupervised Learningen_US
dc.subjectΕνισχυτική Μάθησηen_US
dc.subjectReinforcement Learningen_US
dc.subjectΤεχνητή Νοημοσύνηen_US
dc.subjectArtificial Intelligenceen_US
dc.subjectΣυστήματα Συστάσεωνen_US
dc.subjectRecommendation Systemsen_US
dc.titleΕΦΑΡΜΟΓΕΣ ΕΝΙΣΧΥΤΙΚΗΣ ΜΑΘΗΣΗΣ ΣΕ ΣΥΣΤΗΜΑΤΑ ΣΥΣΤΑΣΕΩΝen_US
dc.description.pages85en_US
dc.contributor.supervisorΑσκούνης Δημήτριοςen_US
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεωνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses



Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.