Στοιχεία επιβλεπόντων καθηγητών:
Αλέξανδρος Ντούλας, Επίκουρος Καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Περίληψη:
Τα συστήματα προτάσεων στοχεύουν στο να προτείνουν ένα ή περισσότερα συγκεκριμένα στοιχεία στους χρήστες, λαμβάνοντας υπόψη το ιστορικό του κάθε χρήστη ή/και πληροφορίες παρόμοιου περιεχομένου. Αν και αυτό λειτουργεί καλά σε πολλές περιπτώσεις, όταν πρέπει να προτείνουμε μια δέσμη αντικειμένων, το πρόβλημα γίνεται αρκετά περίπλοκο. Τέτοιες δέσμες είναι, για παράδειγμα, ένα πρόγραμμα διατροφής ή προπόνησης για ένα δεδομένο χρονικό διάστημα. Σε τέτοιες περιπτώσεις, δεν χρειάζεται να προτείνουμε ένα γεύμα ή μία προπόνηση, αλλά, αντίθετα, πρέπει να βελτιστοποιήσουμε το αποτέλεσμα ώστε να μας προτείνει μια δέσμη στοιχείων που πιθανότατα θα προτιμούσε ο χρήστης σε ένα συγκεκριμένο χρονικό διάστημα (π.χ., ένα μήνα). Σε τέτοιες περιπτώσεις, η λήψη όλων των πιθανών συνδυασμών των στοιχείων είναι απαγορευτικά κοστοβόρα. Σε αυτή τη διπλωματική, φτιάχνουμε ένα σύστημα προτάσεων που παρέχει στους χρήστες ένα πρόγραμμα υγιεινής διατροφής που περιέχει γεύματα και ασκήσεις που καλύπτουν τις ανάγκες και τις προτιμήσεις του κάθε χρήστη. Ενώ τα περισσότερα συστήματα προτάσεων συνήθως χρησιμοποιούν collaborative filtering (π.χ., matrix factorization) ή / και content-based methods, εμείς χρησιμοποιούμε Γενετικούς Αλγορίθμους για να διερευνήσουμε αποτελεσματικά τον σύνολο των πιθανών λύσεων. Για το σκοπό αυτό, προτείνουμε επίσης ένα fitness function που μετρά πόσο κατάλληλη είναι κάθε πρόταση για έναν συγκεκριμένο χρήστη. Τέλος, πραγματοποιήσαμε διάφορα πειράματα τόσο με συνθετικά δεδομένα όσο και με πραγματικούς χρήστες με διαφορετικές προτιμήσεις, ανάγκες και στόχους, προκειμένου να κατανοήσουμε πλήρως τις ιδιότητες και την απόδοση του συστήματός μας.
