Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Αποφυγή «Φυσαλίδων» περιεχομένου σε φιλικούς ως προς το δίκτυο αλγόριθμους συστάσεων

Tzimpimpaki Evangelia

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/1C0895C1-E524-4706-AEC5-40A6905B5E4C-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.98885-
Γλώσσαen-
Μέγεθος87 pagesen
Μέγεθος4.6 megabytesen
ΤίτλοςAvoiding content bubbles by network-friendly recommendation algorithmsen
ΤίτλοςΑποφυγή «Φυσαλίδων» περιεχομένου σε φιλικούς ως προς το δίκτυο αλγόριθμους συστάσεωνel
ΔημιουργόςTzimpimpaki Evangeliaen
ΔημιουργόςΤζιμπιμπακη Ευαγγελιαel
Συντελεστής [Επιβλέπων Καθηγητής]Spyropoulos Thrasyvoulosen
Συντελεστής [Επιβλέπων Καθηγητής]Σπυροπουλος Θρασυβουλοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Karystinos Georgiosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Καρυστινος Γεωργιοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Liavas Athanasiosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Λιαβας Αθανασιοςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Electrical and Computer Engineeringen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
ΠερίληψηAlmost all online services encourage users to establish a profile, granting access to personalized content. Having more and more detailed data from the user, allows for the platforms to detect his interests and to create the content that has the greatest chance for success. However, there are instances when recommendations become excessively personalized, especially in (cache-friendly) systems also guiding suggestions towards content with low access cost. This can lead the user in a state where they are consistently presented with content of a singular nature, which may or may not sustain his interest in the long run. This thesis aims to improve recommendation systems, by increasing the diversity of recommended content, thus preventing the creation of content bubbles. First, an overview is provided, initiating with the exposition of Baseline Recommendation Systems (BS-RS), their evolution into Network-Friendly Recommendation Systems (NF-RS), and the representation of the content bubble phenomenon in NF-RS. The setup of BS-RS and NF-RS as optimization problems is detailed, and the introduced Diverse NF-RS is presented, addressing the content bubble phenomenon. The optimization problem for Diverse NF-RS is formulated, demonstrated to be convex, and linearized before being solved. No previously established implementation adequately addresses the diversity issue with comparable cost-diversity trade-offs. The proposed solution incorporates additional fairness metrics from other works, establishing that our proposed Recommendation System can accommodate them without compromising the favourable trade-offs achieved.en
ΠερίληψηΣχεδόν όλες οι διαδικτυακές υπηρεσίες ενθαρρύνουν τους χρήστες να δημιουργήσουν ένα προφίλ, παρέχοντάς τους έτσι πρόσβαση σε εξατομικευμένο περιεχόμενο. Αντλώντας συνεχώς λεπτομερή δεδομένα από το χρήστη, οι πλατφόρμες εντοπίζουν τα ενδιαφέροντά του, και συστήνουν στο χρήστη όλο και πιο πετυχημένο περιεχόμενο - δηλαδή, σχετικό με τις προτιμήσεις του. Ωστόσο, υπάρχουν περιπτώσεις όπου οι συστάσεις γίνονται υπερβολικά προσωποποιημένες, ειδικά στα συστήματα γνωστά ως ``φιλικά προς το δίκτυο''. Τέτοιου είδους συστήματα προσπαθούν να συστήσουν πετυχημένο περιεχόμενο, αλλά παράλληλα ωθούν και τους χρήστες προς περιεχόμενα με χαμηλό κόστος πρόσβασης (πχ. που βρίσκονται στην cache). Αυτό μπορεί να οδηγήσει το χρήστη σε μία κατάσταση όπου του παρουσιάζονται μόνιμα συστάσεις ενός συγκεκριμένου χαρακτήρα, διατηρώντας ή όχι το ενδιαφέρον του μακροπρόθεσμα. Η παρούσα διπλωματική εργασία στοχεύει στη βελτίωση των συστημάτων συστάσεων, μέσω της αύξησης της ποικιλομορφίας του προτεινόμενου περιεχομένου, αποτρέποντας έτσι τη δημιουργία του φαινομένου γνωστού ως ``φυσαλίδες περιεχομένου''. Ξεκινάμε με την παρουσίαση των τυπικών συστημάτων συστάσεων, την εξέλιξή τους σε ``φιλικά προς το δίκτυο'' συστήματα συστάσεων, και την αναπαράσταση του φαινομένου των ``φυσαλιδών περιεχομένου'' στα δεύτερα. Εισάγουμε τα ``ποικίλα, φιλικά προς το δίκτυο συστήματα συστάσεων'', τα οποία στοχεύουν στην παράλληλη επίτευξη ικανοποιητικών συστάσεων, χαμηλού κόστους και υψηλής ποικιλομορφίας. Αφού διατυπώσουμε τη λειτουργία αυτών των συστημάτων ως πρόβλημα βελτιστοποίησης, αποδεικνύουμε ότι το πρόβλημα αυτό είναι κυρτό, και το γραμμικοποιούμε πριν το επιλύσουμε. Από όσο γνωρίζουμε, δεν υπάρχει αντίστοιχη υλοποίηση στη σχετική βιβλιογραφία η οποία να αντιμετωπίζει το ίδιο φαινόμενο επαρκώς, ενώ μάλιστα το σύστημα που δημιουργήσαμε αποδεδειγμένα επιφέρει πολύ καλή αντιστάθμιση κόστους-ποικιλομορφίας. Τέλος, το σύστημά μας επιτρέπει την ενσωμάτωση επιπλέον παραμέτρων (άλλων ερευνών), χωρίς να διακυβεύονται τα ευνοϊκά αποτελέσματα που επιτυγχάνει.el
ΤύποςΔιπλωματική Εργασίαel
ΤύποςDiploma Worken
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2024-02-29-
Ημερομηνία Δημοσίευσης2024-
Θεματική ΚατηγορίαΣειρές Τέιλορel
Θεματική ΚατηγορίαTaylor Seriesen
Θεματική ΚατηγορίαDiverse recommendationsen
Θεματική ΚατηγορίαΠοικίλες συστάσειςel
Θεματική ΚατηγορίαLinear approximationen
Θεματική ΚατηγορίαΓραμμική προσέγγισηel
Θεματική ΚατηγορίαEntropyen
Θεματική ΚατηγορίαΕντροπίαel
Θεματική ΚατηγορίαNetwork friendlyen
Θεματική ΚατηγορίαRecommendation systemsen
Θεματική ΚατηγορίαΣυστήματα συστάσεωνel
Θεματική ΚατηγορίαConvex optimizationen
Θεματική ΚατηγορίαΚυρτή βελτιστοποίησηel
Θεματική ΚατηγορίαΜαρκοβιανές αλυσίδεςel
Θεματική ΚατηγορίαMarkov chainsen
Βιβλιογραφική ΑναφοράEvangelia Tzimpimpaki, "Avoiding content bubbles by network-friendly recommendation algorithms", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2024en
Βιβλιογραφική ΑναφοράΕυαγγελία Τζιμπιμπάκη, "Αποφυγή «Φυσαλίδων» περιεχομένου σε φιλικούς ως προς το δίκτυο αλγόριθμους συστάσεων", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά