| Περίληψη: | Η συνεχής ανάπτυξη του διαδικτύου έχει επιφέρει σημαντικές αλλαγές, τις τελευταίες δεκαετίες, στον τρόπο ενημέρωσης, επικοινωνίας καθώς και στην διαδικασία αγορών. Το ηλεκτρονικό εμπόριο αποτελεί το σύγχρονο τρόπο αγορών, ωστόσο ο μεγάλος όγκος των διαθέσιμων πληροφοριών στις ηλεκτρονικές αγορές καθιστά τη διαδικασία πολύπλοκη. Αυτό το ζήτημα καλούνται να λύσουν τα Συστήματα Συστάσεων εντοπίζοντας προϊόντα ή υπηρεσίες σύμφωνα με τα ενδιαφέροντα κάθε χρήστη.
Στα πλαίσια της παρούσας διπλωματικής εργασίας αναλύουμε τη θεωρία των Συστημάτων Σύστασης και των μεθόδων τους που χρησιμοποιούνται στο ηλεκτρονικό εμπόριο, προκειμένου να διευκολύνουν την περιήγηση των χρηστών προτείνοντας τους προϊόντα και υπηρεσίες σύμφωνα με τις ανάγκες τους. Παρουσιάζουμε εφαρμογές και αλγορίθμους της Μηχανικής Μάθησης και αναλύουμε συνδυασμούς των Συστημάτων Σύστασης με εφαρμογές της Μηχανικής Μάθησης που έχουν δημιουργηθεί με σκοπό την δημιουργία αποδοτικότερων προτάσεων.
Στη συνέχεια, αναπτύσσεται ένα ΣΣ που χρησιμοποίει μια βάση δεδομένων με προϊόντα της εταιρείας Amazon και εφαρμόζονται συστάσεις σύμφωνα με το μοντέλο Model-based collaborative filtering system με βάση τα προϊόντα που πωλούνται και τις κριτικές χρηστών. Έπειτα, εφαρμόζουμε το ίδιο μοντέλο σύστασης σε συνδυασμό με συναισθηματική ανάλυση κειμένου (NLP). Τέλος, ελέγχουμε τα αποτελέσματα των δυο μοντέλων και αξιολογούμαι ποια είναι η πιο αποδοτική μέθοδος.
|
|---|
