| Περίληψη: | Τα Συστήματα Συστάσεων αποσκοπούν στην πρόβλεψη των ενδιαφερόντων των χρηστών
και στη δημιουργία προτάσεων που είναι πολύ πιθανόν να τους αρέσουν. Είναι από τα πιο ισχυρά
συστήματα μηχανικής μάθησης που εφαρμόζονται ευρέως, με ενδεικτικό παράδειγμα τους
διαδικτυακούς λιανοπωλητές με σκοπό να προωθήσουν τις πωλήσεις τους. Τα δεδομένα που
απαιτούνται για τα Συστήματα Συστάσεων πηγάζουν από ρητές αξιολογήσεις χρηστών, όπως μετά
από την παρακολούθηση μιας ταινίας ή την ακρόαση ενός τραγουδιού, έμμεσα από αναζητήσεις
στις μηχανές αναζήτησης καθώς και το ιστορικό των αγορών ή από άλλες πληροφορίες σχετικά
με τους ίδιους τους χρήστες και τα αντικείμενα που αυτοί επιλέγουν. Ιστότοποι όπως το Spotify,
το YouTube ή το Netflix χρησιμοποιούν αυτά τα δεδομένα για την δημιουργία συστάσεων,
ανάλογα με το αντικείμενο του εκάστοτε ιστοτόπου, οι οποίες δεν είναι κοινές σε όλους τους
χρήστες, αλλά βασίζονται στις προσωπικές προτιμήσεις του εκάστοτε χρήστη.
Οι εταιρείες που χρησιμοποιούν τα Συστήματα Συστάσεων στοχεύουν στην αύξηση των
πωλήσεων ως αποτέλεσμα των πολύ εξατομικευμένων προσφορών και της βελτιωμένης εμπειρίας
πελατών. Οι συστάσεις συνήθως επιταχύνουν τις αναζητήσεις από την μεριά του χρήστη και τους
διευκολύνουν να έχουν πρόσβαση στο περιεχόμενο που τους ενδιαφέρει ενώ παράλληλα τους
εκπλήσσουν με προσφορές που δεν θα είχαν αναζητήσει ποτέ. Επιπλέον, οι εταιρείες μπορούν να
κερδίσουν και να διατηρήσουν πελάτες αποστέλλοντας μηνύματα ηλεκτρονικού ταχυδρομείου με
συνδέσμους προς νέες προσφορές που ανταποκρίνονται στα συμφέροντα των παραληπτών, όπως
προτάσεις ταινιών και τηλεοπτικών εκπομπών που ταιριάζουν στα προφίλ τους. Γνωρίζοντας τι
θέλει ένας χρήστης, η εταιρεία κερδίζει ανταγωνιστικό πλεονέκτημα και μειώνεται η απειλή
απώλειας πελάτη από κάποιον ανταγωνιστή. Έτσι, συμπεριλαμβάνοντας συστάσεις σε συστήματα
και προϊόντα, παρέχεται στους χρήστες προστιθέμενη αξία, η οποία είναι ελκυστική. Επιπλέον,
6επιτρέπει στις εταιρείες να κερδίσουν προβάδισμα σε σχέση με τους ανταγωνιστές τους και τελικά
να αυξήσουν τα κέρδη τους.
Στο παραπάνω πλαίσιο, η παρούσα διπλωματική εργασία αρχικά παρουσιάζει θεωρητικά
τα Συστήματα Συστάσεων με λεπτομερή ανάλυση των προβλημάτων που αντιμετωπίζουν αλλά
και περιγράφοντας τις κυριότερες μεθόδους: του συνεργατικού φιλτραρίσματος, του
φιλτραρίσματος βάσει περιεχομένου και του υβριδικού μοντέλου. Στη συνέχεια, προτείνονται
λύσεις σε πραγματικά συστήματα (real life problems), όπου στο πλαίσιο αυτό χρησιμοποιήθηκαν
δύο μεγάλες διαδικτυακές εταιρείες και αφού αναλύθηκε ο τρόπος λειτουργίας τους, γίνονται
προτάσεις να ενταχθούν σε αυτή τα Συστήματα Συστάσεων, προτείνοντας στην ουσία λύσεις για
τη βελτίωσή τους, σε επίπεδο σχεδιασμού.
|
|---|
