Πρόβλεψη συστάσεων προϊόντων σε δεδομένα ηλεκτρονικών αγορών με τη χρήση επεξεργασίας φυσικής γλώσσας και τεχνικών μηχανικής μάθησης

Η ραγδαία ανάπτυξη της τεχνολογίας και ταυτόχρονα του διαδικτύου, τα τελευταία χρόνια, έχει επιφέρει αξιοσημείωτες αλλαγές στον τρόπο επικοινωνίας, ενημέρωσης και φυσικά στον χώρο της αγοράς προϊόντων. Το ηλεκτρονικό εμπόριο, στις μέρες μας, αποτελεί τον κυρίαρχο τρόπο αγορών, ωστόσο ο μεγάλος όγκος...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Γκιζελής, Χαράλαμπος
Άλλοι συγγραφείς: Gizelis, Charalampos
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14865
Περιγραφή
Περίληψη:Η ραγδαία ανάπτυξη της τεχνολογίας και ταυτόχρονα του διαδικτύου, τα τελευταία χρόνια, έχει επιφέρει αξιοσημείωτες αλλαγές στον τρόπο επικοινωνίας, ενημέρωσης και φυσικά στον χώρο της αγοράς προϊόντων. Το ηλεκτρονικό εμπόριο, στις μέρες μας, αποτελεί τον κυρίαρχο τρόπο αγορών, ωστόσο ο μεγάλος όγκος πληροφοριών στις ηλεκτρονικές αγορές, αναδεικνύει την πολυπλοκότητα της διαδικασίας. Το συγκεκριμένο «πρόβλημα» καλούνται να αντιμετωπίσουν τα Συστήματα Συστάσεων (Recommender Systems), εντοπίζοντας προϊόντα ή υπηρεσίες σύμφωνα με τα ενδιαφέροντα κάθε χρήστη-πελάτη. Στη παρούσα Διπλωματική εργασία, προσεγγίζουμε τον τομέα των συστάσεων-προτάσεων χρησιμοποιώντας Επεξεργασία Φυσικής Γλώσσας. Παρουσιάζουμε εφαρμογές και αλγόριθμους της Μηχανικής Μάθησης, αναλύουμε μεθόδους και τεχνικές της επεξεργασίας φυσικής γλώσσας και κάνουμε μια ανασκόπηση σχετικά με την χρήση της τελευταίας στον τομέα των συστάσεων. Επιπλέον, εισάγουμε την τεχνική της ανάλυσης συναισθημάτων και παρουσιάζουμε τα αποτελέσματα που προκύπτουν όταν συνδυαστεί με την επεξεργασία φυσικής γλώσσας. Τέλος, χρησιμοποιώντας την γλώσσα προγραμματισμού Python, επεξεργαζόμαστε κριτικές για κινητά τηλέφωνα που έγιναν από πελάτες της εταιρείας Amazon.com. Σκοπός μας είναι να εφαρμόσουμε τεχνικές επεξεργασίας φυσικής γλώσσας, αλγόριθμους μηχανικής μάθησης και ανάλυση συναισθήματος πάνω στα κείμενα των κριτικών κινητών τηλεφώνων, για να εντοπίσουμε ποιες λέξεις έχουν μεγαλύτερη σημασία-βαρύτητα στην πρόταση προϊόντος.