| Περίληψη: | Η υπερπληθώρα επιλογών και προϊόντων που προσφέρεται στο διαδίκτυο, καθιστά
αδύνατη τη περιήγηση των χρηστών στο σύνολο τους. ΄Ετσι, δημιουργήθηκε
η ανάγκη για συστήματα συστάσεων, τα οποία έχουν ως στόχο να προβλέψουν τις
προτιμήσεις των χρηστών σε ένα σύνολο προϊόντων ώστε να τους παρουσιάσουν τα
πιο σχετικά. Με την πάροδο του χρόνου η ανάγκη για τέτοια συστήματα οξύνθηκε,
με αποτέλεσμα την ανάπτυξη εκλεπτυσμένων και σύνθετων αλγορίθμων ώστε να επιτευχθούν οι βέλτιστες προβλέψεις. Βέβαια όλα αυτά τα σύστημα έχουν ως κοινό ότι
αποτελούνται από δύο βασικές πτυχές, την δημιουργία προφίλ για τον εκάστοτε χρήστη
και την εκτίμηση του βαθμού συσχέτισης των προϊόντων με το προφίλ αυτό.
Στη παρούσα διπλωματική εργασία προτείνεται η εκμετάλλευση τεχνικών της θεωρίας παιγνίων για την ανάπτυξη συστημάτων συστάσεων. Αρχικά μοντελοποιείται η
αλληλεπίδραση των δύο πτυχών των συστημάτων ως συνεργατικό παίγνιο όπου οι
δύο παίκτες έχουν ένα κοινό όφελος, την παροχή βέλτιστων συστάσεων, το οποίο
προσπαθούν να μεγιστοποιήσουν. Με βάση αυτή τη μοντελοποίηση αναπτύσσονται
τρείς βασικοί μέθοδοι συστάσεων, ονομαστικά Collaborative Filtering, Content Based
Filtering και Demographic Filtering. Στη συνέχεια, οι διαφορετικοί μέθοδοι συνδυάζονται σειριακά και γραμμικά για τη δημιουργία υβριδικών συστημάτων. Κατά το
γραμμικό συνδυασμό, η χρήση των τεχνικών της θεωρίας παιγνίων επεκτείνεται με την
μοντελοποίηση του ως συνεργατικό παίγνιο. Τέλος, οι μέθοδοι συνδυάζονται με χρήση
γενετικού αλγορίθμου όπου γίνεται χρήση της θεωρίας παιγνίων για τη διαδικασία της
επιλογής γονέων.
Για την αξιολόγηση των παραπάνω αλγορίθμων πραγματοποιούνται πειράματα σε δύο
σύνολα δεδομένων τα οποία περιέχουν αξιολογήσεις χρηστών για ταινίες και πληροφορίες για τις ταινίες καθώς και για τους ίδιους τους χρήστες. Τα αποτελέσματα
των πειραμάτων οδηγούν στο συμπέρασμα ότι παραγωγή συστάσεων μπορεί να γίνει
αποδοτικότερη αν σε αυτή ενσωματωθούν τεχνικές θεωρίας παιγνίων.
|
|---|
