Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://dspace.lib.uom.gr/handle/2159/16153
Συγγραφέας: Σιδηροπούλου, Αικατερίνη
Τίτλος: Ανάπτυξη εξατομικευμένης διαδικτυακής υπηρεσίας για εύρεση εργασίας με τεχνικές συνεργατικής διήθησης.
Ημερομηνία Έκδοσης: 2013
Τμήμα: Πρόγραμμα Μεταπτυχιακών Σπουδών Ειδίκευσης στην Εφαρμοσμένη Πληροφορική
Επόπτης Καθηγητής: Ρεφανίδης, Ιωάννης
Περίληψη: Η εν λόγω διπλωματική εργασία αποτελεί μια μελέτη αλγορίθμων συνεργατικής διήθησης στο πλαίσιο μιας υποδειγματικής εφαρμογής. Η εφαρμογή, η οποία αναπτύχθηκε για το σκοπό αυτό, ονομάστηκε «YesBoss» και αποτελεί ένα σύστημα διαχείρισης υποψηφίων από εταιρίες, ενώ ταυτόχρονα διευκολύνει την αναζήτηση θέσεων εργασίας από τους χρήστες. Το «YesBoss» υλοποιεί αλγορίθμους συνεργατικής διήθησης προκειμένου να προβεί σε προτάσεις θέσεων εργασίας στους χρήστες του. Οι αλγόριθμοι συνεργατικής διήθησης που συχνά αναφέρονται στη βιβλιογραφία ως συλλογική νοημοσύνη (collective intelligence), χρησιμοποιούν τη ρητή ή την έμμεση βαθμολογία που προσδίδουν οι χρήστες σε αντικείμενα, προκειμένου να κάνουν μια σύσταση σε αυτούς. Οι άνθρωποι τείνουν να εμπιστεύονται τις συστάσεις εκείνων, με τους οποίους μοιράζονται τα ίδια ενδιαφέροντα. Με βάση τη λογικά αυτή, τα συστήματα συστάσεων τα οποία υλοποιούν αλγορίθμους συνεργατικής διήθησης, προσπαθούν να αξιοποιήσουν αυτή τη φυσική κοινωνική διαδικασία και να εντοπίσουν «ομοϊδεάτες» χρήστες, ώστε να τους προτείνουν δεδομένα περισσότερο σχετικά με αυτούς μέσα από το αχανές σύνολο της διαδικτυακής πληροφορίας. Οι δυο μεγάλες κατηγορίες που εντάσσονται στη οικογένεια των αλγορίθμων συνεργατικής διήθησης είναι η «βάσει χρήστη» και η «βάσει αντικειμένου». Η πρώτη αφορά, την εύρεση χρήσιμης πληροφορίας μέσα από την ανάλυση και τη σύγκριση χρηστών, ενώ η δεύτερη στηρίζεται στη σύγκριση αντικειμένων. Στο μεγαλύτερο τμήμα τους, οι αλγόριθμοι αυτοί στηρίζουν τη λειτουργικότητα τους σε συναρτήσεις εύρεσης ελάχιστης απόστασης. Στα πλαίσια των δοκιμών που πραγματοποιήθηκαν, έγινα πειράματα με μετρικές όπως η απόσταση Manhattan, η Ευκλείδεια απόσταση, η προσαρμοσμένη συνημιτονική, η σταθμισμένη slope one και ο συντελεστής συσχέτισης Pearson. Καθώς η εφαρμογή «YesBoss» δεν προσφέρει ένα τυπικό σύστημα βαθμολόγησης, οι βαθμολογίες για τις θέσεις εργασίας συλλέχθηκαν έμμεσα. Συγκεκριμένα, προστέθηκε ένας βαθμός για κάθε θέση εργασίας την οποία ο χρήστης αποθήκευε και τρεις βαθμοί σε κάθε μια στην οποία έκανε αίτηση. Σε δοκιμές που πραγματοποιήθηκαν με αλγορίθμους «βάσει χρήστη», η συνημιτονική ομοιότητα φάνηκε να δίνει τα βέλτιστα αποτελέσματα. Όσο αφορά τη δοκιμή του αλγορίθμου Slope one για τη συνεργατική διήθηση «βάσει αντικειμένου» τα αποτελέσματα ήταν ικανοποιητικά.
Λέξεις Κλειδιά: Collaborative filtering
Data mining
Manhattan
Euclidean distance
Slope one
Pearson
Πληροφορίες: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2013.
Εμφανίζεται στις Συλλογές:Π.Μ.Σ. στην Εφαρμοσμένη Πληροφορική (M)

Αρχεία σε αυτό το Τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
SidiropoulouAikateriniMsc2013.pdf2.57 MBAdobe PDFΠροβολή/Ανοιγμα


Τα τεκμήρια στην ΨΗΦΙΔΑ προστατεύονται από πνευματικά δικαιώματα, εκτός αν αναφέρεται κάτι διαφορετικό.