Please use this identifier to cite or link to this item:
Author: Talattinis, Kyriacos
Title: The applications of rating methods combined with machine learning techniques
Alternative Titles: Οι εφαρμογές των συστημάτων βαθμολόγησης σε συνδυασμό με τεχνικές μηχανικής μάθησης
Date Issued: 2023
Department: Πανεπιστήμιο Μακεδονίας. Τμήμα Εφαρμοσμένης Πληροφορικής (ΕΠ)
Supervisor: Στεφανίδης, Γεώργιος
Abstract: This dissertation examines the rating systems and their applications in various fields. Most of the systems studied were mainly developed for the sports field. Due to this fact, the main application developed in this thesis is related to the sports field and focuses on the predictions of the outcomes of English Premier League games by utilizing rating systems and machine learning techniques. The resulting prediction models from this application are derived either through team rankings, statistical methods, or a combination of machine learning techniques. Our research findings from the integration of rating systems with machine learning techniques are highly encouraging in terms of predictive quality and risk-adjusted investment opportunities. Moreover, three distinct applications have been developed in other fields than sports, where the rating systems are utilized with or without combining machine learning approaches. The first application concerns the ranking of domain names, the second deals with financial management and optimization contexts, and the third focuses on user preference ratings and recommendations. This thesis introduces two rating systems. The first is a novel rating system that deals with the rating and ranking of soccer teams by taking into account the outcome of games, the margin of victory, and the shooting accuracy of each team. The second system is more generalized and applicable in various fields for rating/ranking where the basic idea behind the method is the WSM (Weighted Sum Method) and in fact, it is a modified version of the MAUT (Multi-Attribute Utility Theory) / MAVT (Multi-Attribute Value Theory). The effectiveness of our proposed systems is evaluated in the main application of this thesis where they have been compared to other established systems with satisfactory results. Additionally, the second system is utilized in the second distinct application that focuses on optimization contexts in finance. Finally, an open-source software dedicated to the implementation of rating/ranking systems with applications and examples in sports and other fields was developed and is provided.
Η παρούσα διατριβή εξετάζει τα συστήματα βαθμολόγησης και τις εφαρμογές τους σε διάφορα πεδία. Τα συστήματα που μελετήθηκαν, στην πλειοψηφία τους αναπτύχθηκαν κυρίως για τον αθλητικό τομέα. Για το λόγο αυτό, η κύρια εφαρμογή που αναπτύχθηκε στη διατριβή σχετίζεται με τον αθλητικό τομέα, εστιάζοντας στις προβλέψεις τελικών αποτελεσμάτων στο Αγγλικό Πρωτάθλημα Ποδοσφαίρου (English Premier League), με τη χρήση των συστημάτων βαθμολόγησης και τεχνικών μηχανικής μάθησης. Τα προβλεπτικά μοντέλα που προκύπτουν από την εφαρμογή, προέρχονται είτε μέσω των κατατάξεων των ομάδων, είτε από στατιστικές μεθόδους ή από το συνδυασμό με τεχνικές μηχανικής μάθησης. Τα ερευνητικά αποτελέσματα από το συνδυασμό των μεθόδων βαθμολόγησης με τεχνικές μηχανικής μάθησης είναι ενθαρρυντικά, τόσο για την ποιότητα των προβλέψεων, όσο και για την αξιοποίησή τους επενδυτικά. Επίσης, αναπτύχθηκαν τρεις επιμέρους εφαρμογές σε πεδία εκτός αθλητισμού, όπου τα συστήματα βαθμολόγησης αξιοποιήθηκαν μεμονωμένα ή συνδυαστικά με τη μηχανική μάθηση. Η πρώτη εφαρμογή αφορά την κατάταξη διαδικτυακών ονομάτων, η δεύτερη ασχολείται με θέματα χρηματοοικονομικής διαχείρισης και βελτιστοποίησης, και η τρίτη εστιάζει σε βαθμολογίες προτιμήσεων χρηστών και συστάσεις. Μέσω της διατριβής αναπτύχθηκαν δύο συστήματα βαθμολόγησης. Το πρώτο εστιάζει στη βαθμολόγηση και κατάταξη ομάδων ποδοσφαίρου, λαμβάνοντας υπόψη σε κάθε αγώνα το τελικό αποτέλεσμα, τη διαφορά των τερμάτων (goals) και την ακρίβεια των σουτ (shots) κάθε ομάδας. Το δεύτερο σύστημα είναι γενικά εφαρμόσιμο σε πεδία εκτός αθλητικών ομάδων και βασίζεται στην ιδέα του Σταθμισμένου Μέσου Όρου και αποτελεί μια τροποποιημένη έκδοση της Πολυκριτήριας Θεωρίας Χρησιμότητας/Αξίας. Η αποδοτικότητα των δυο συστημάτων εξετάστηκε στην κύρια εφαρμογή με ικανοποιητικά αποτελέσματα σε σχέση με τα υπόλοιπα συστήματα που μελετήθηκαν. Επιπλέον, το δεύτερο σύστημα έχει αξιοποιηθεί στη δεύτερη επιμέρους εφαρμογή, η οποία εστιάζει σε θέματα βελτιστοποίησης στο χρηματοοικονομικό τομέα. Τέλος, προσφέρεται ένα εργαλείο λογισμικού ανοικτού κώδικα το οποίο περιέχει υλοποιήσεις των συστημάτων βαθμολόγησης με εφαρμογές και παραδείγματα.
Keywords: Ranking systems
Machine learning
Prediction models
Rating applications
Information: Διατριβή (Διδακτορική)--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2023.
Rights: Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Appears in Collections:Τμήμα Εφαρμοσμένης Πληροφορικής (Δ)

Files in This Item:
File Description SizeFormat 
TalattinisKyriacosPhD2023.pdf7.02 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons