Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο
Ένα μείζον θέμα με τις ειδήσεις που υπάρχουν online είναι ο τεράστιος όγκος δεδομένων, ο αχανής αριθμός δηλαδή άρθρων. Επομένως, το να βρίσκουν οι χρήστες άρθρα, τα οποία τους ενδιαφέρουν, γρήγορα και εύκολα, αποτελεί πρόκληση στην οποία έρχεται να συμβάλει το «information filtering». Στην παρούσα...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2018
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/11486 |
| id |
nemertes-10889-11486 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-114862022-09-05T20:12:53Z Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο Personalized recommendation system for online news Νικολόπουλος, Κωνσταντίνος Χατζηλυγερούδης, Ιωάννης Χατζηλυγερούδης, Ιωάννης Μακρής, Χρήστος Nikolopoulos, Konstantinos Προσωποποιημένη ενημέρωση Μη σχεσιακή βάση δεδομένων Τεχνικές συστάσεων News recommendation MVT RSS NoSQL Online news Django 025.04 Ένα μείζον θέμα με τις ειδήσεις που υπάρχουν online είναι ο τεράστιος όγκος δεδομένων, ο αχανής αριθμός δηλαδή άρθρων. Επομένως, το να βρίσκουν οι χρήστες άρθρα, τα οποία τους ενδιαφέρουν, γρήγορα και εύκολα, αποτελεί πρόκληση στην οποία έρχεται να συμβάλει το «information filtering». Στην παρούσα διπλωματική εργασία μελετώνται αλγόριθμοι που χρησιμοποιούνται για να προτείνουν στον εκάστοτε χρήστη του διαδικτύου σχετικές με τα ενδιαφέροντά του ειδήσεις. Ακόμα, στα πλαίσια της παρούσας διπλωματικής εργασίας αναπτύσσεται σύστημα προσωποποιημένης ενημέρωσης του χρήστη σχετικά με άρθρα στο διαδίκτυο. Το σύστημα, StRello, συλλέγει RSS feeds άρθρων από ιστοτόπους, όπως για παράδειγμα ειδησεογραφικά, αθλητικά και διάφορα άλλα sites. Στη συνέχεια, χρησιμοποιώντας υπάρχουσες τεχνικές συστάσεων, αλλά και με τη βοήθεια ενός υβριδικού μοντέλου που αναπτύσσεται από το συντάκτη της εργασίας υλοποιείται ένα ολοκληρωμένο πληροφοριακό σύστημα, το οποίο παρέχει στους χρήστες του διαδικτυακά άρθρα σχετικά με τα ενδιαφέροντα τους. Η εργασία ολοκληρώνεται με την αξιολόγηση του συστήματος από δείγμα χρηστών, παρουσίαση και ανάλυση των αποτελεσμάτων, καθώς και εξαγωγή συμπερασμάτων. In today’s modern reality, a major issue related to online news is the huge amount of data regarding the vast number of online articles. Therefore, an upcoming challenge is the one of finding a quick, immediate and easy way of filtering and evaluating only the articles that users are most interested in, rather than spending time exploring themselves through unnecessary information. This dissertation presents the concept of recommendation algorithms used to suggest relevant to the user’s preferences news articles on a theoretical level firstly. Furthermore, the dissertation proceeds to the practical part of developing a system of personalized news information. The system, called StRello, collects RSS feeds of articles from websites, such as news, sports, and other sites. Then, StRello uses existing recommendation techniques, as well as a hybrid model developed by the author of the dissertation, in order to build an integrated information system. This system makes news recommendation to the users related to their interests. Last but not least, the system is evaluated by a sample of users and the results are presented and analyzed leading to useful conclusions. 2018-08-01T08:01:43Z 2018-08-01T08:01:43Z 2017-11 Thesis http://hdl.handle.net/10889/11486 gr 0 application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Προσωποποιημένη ενημέρωση Μη σχεσιακή βάση δεδομένων Τεχνικές συστάσεων News recommendation MVT RSS NoSQL Online news Django 025.04 |
| spellingShingle |
Προσωποποιημένη ενημέρωση Μη σχεσιακή βάση δεδομένων Τεχνικές συστάσεων News recommendation MVT RSS NoSQL Online news Django 025.04 Νικολόπουλος, Κωνσταντίνος Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| description |
Ένα μείζον θέμα με τις ειδήσεις που υπάρχουν online είναι ο τεράστιος όγκος δεδομένων, ο αχανής αριθμός δηλαδή άρθρων. Επομένως, το να βρίσκουν οι χρήστες άρθρα, τα οποία τους ενδιαφέρουν, γρήγορα και εύκολα, αποτελεί πρόκληση στην οποία έρχεται να συμβάλει το «information filtering».
Στην παρούσα διπλωματική εργασία μελετώνται αλγόριθμοι που χρησιμοποιούνται για να προτείνουν στον εκάστοτε χρήστη του διαδικτύου σχετικές με τα ενδιαφέροντά του ειδήσεις.
Ακόμα, στα πλαίσια της παρούσας διπλωματικής εργασίας αναπτύσσεται σύστημα προσωποποιημένης ενημέρωσης του χρήστη σχετικά με άρθρα στο διαδίκτυο. Το σύστημα, StRello, συλλέγει RSS feeds άρθρων από ιστοτόπους, όπως για παράδειγμα ειδησεογραφικά, αθλητικά και διάφορα άλλα sites. Στη συνέχεια, χρησιμοποιώντας υπάρχουσες τεχνικές συστάσεων, αλλά και με τη βοήθεια ενός υβριδικού μοντέλου που αναπτύσσεται από το συντάκτη της εργασίας υλοποιείται ένα ολοκληρωμένο πληροφοριακό σύστημα, το οποίο παρέχει στους χρήστες του διαδικτυακά άρθρα σχετικά με τα ενδιαφέροντα τους.
Η εργασία ολοκληρώνεται με την αξιολόγηση του συστήματος από δείγμα χρηστών, παρουσίαση και ανάλυση των αποτελεσμάτων, καθώς και εξαγωγή συμπερασμάτων. |
| author2 |
Χατζηλυγερούδης, Ιωάννης |
| author_facet |
Χατζηλυγερούδης, Ιωάννης Νικολόπουλος, Κωνσταντίνος |
| format |
Thesis |
| author |
Νικολόπουλος, Κωνσταντίνος |
| author_sort |
Νικολόπουλος, Κωνσταντίνος |
| title |
Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| title_short |
Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| title_full |
Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| title_fullStr |
Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| title_full_unstemmed |
Σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| title_sort |
σύστημα προσωποποιημένης ενημέρωσης από ειδήσεις στο διαδίκτυο |
| publishDate |
2018 |
| url |
http://hdl.handle.net/10889/11486 |
| work_keys_str_mv |
AT nikolopouloskōnstantinos systēmaprosōpopoiēmenēsenēmerōsēsapoeidēseisstodiadiktyo AT nikolopouloskōnstantinos personalizedrecommendationsystemforonlinenews |
| _version_ |
1801184884583038976 |
