1. ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΦΟΛΗ ΗΛΕΚΣΡΟΛΟΓΩΝ ΜΗΦΑΝΙΚΩΝ ΚΑΙ
ΜΗΦΑΝΙΚΩΝ ΤΠΟΛΟΓΙΣΩΝ
Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Διδακτορική Διατριβή
Κωνςταντίνοσ Χρηςτίδησ
2. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
#2 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
3. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
#3 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
4. Υπερφόρτωςη Πληροφορίασ
(Information Overload)
Η ανϊγκη για προτϊςεισ δεν εύναι
καινούρια
Η καθημερινϐτητα του ανθρώπου εύναι
γεμϊτη με πιθανϋσ επιλογϋσ:
Σα ροϑχα που θα φορϋςει
Η ταινύα που θα δει
Οι μετοχϋσ που θα αγορϊςει
Οι ςελύδεσ που θα διαβϊςει ςτο
διαδύκτυο
Ο αριθμϐσ των δυνατών επιλογών
εύναι πολϑ ςυχνϊ αποτρεπτικϊ
μεγϊλοσ – δεκϊδεσ χιλιϊδεσ
ταινύεσ, δεκϊδεσ χιλιϊδεσ
βιβλύα, εκατοντϊδεσ εκατομμϑρια
ϊρθρα
Υπερφόρτωςη Πληροφορύασ
#4 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
5. Κοινωνικόσ Ιςτόσ και Φαινόμενο Μακράσ Ουράσ
(Long Tail)
Γιατύ η ανϊγκη εύναι πιο ϋντονη
τώρα;
Ο κοινωνικϐσ ιςτϐσ ευνϐηςε την
δημιουργύα μεγϊλου ϐγκου
περιεχομϋνου απϐ τουσ χρόςτεσ
Ο τρϐποσ που οι ϊνθρωποι Pop Star
αλληλεπιδροϑν ςε ϋνα online
κοινωνικϐ περιβϊλλον δημιουργεύ
νϋεσ προκλόςεισ αλλϊ και παρϋχει Country
νϋεσ πληροφορύεσ για τα
ςυςτόματα προτϊςεων
YouTube
Αλλϊ και Υπερφόρτωςη
Αλληλεπιδρϊςεων Unsigned
Υαινϐμενο τησ μακρϊσ ουρϊσ
Οι πλϋον δημοφιλεύσ επιλογϋσ δεν
εύναι αρκετϋσ
Μεγαλϑτερη εξατομύκευςη του
προςφερϐμενου περιεχομϋνου
Anderson, 2004
#5 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
6. Συςτήματα Προτάςεων
Συςτήματα που εκτιμούν τη χρηςιμότητα αντικειμένων
τα οποία ο χρήςτησ δεν έχει δει ακόμη
ϐπου χρηςιμϐτητα εύναι η κϊλυψη τησ τρϋχουςασ ανϊγκησ του
χρόςτη
1
Λαμβϊνουν υπϐψη τισ πληροφορύεσ που εύναι διαθϋςιμεσ
ςε εκεύνο το χρονικϐ ςημεύο
(παρελθοϑςεσ αξιολογόςεισ χρηςτών, χαρακτηριςτικϊ των
αντικειμϋνων, αξιολογόςεισ απϐ ϊλλουσ χρόςτεσ, χαρακτηριςτικϊ
των χρηςτών, κ.α.)
2
Πραγματοποιοϑν μια εκτύμηςη τησ χρηςιμϐτητασ των
αντικειμϋνων
3
Παρϋχουν ςυγκεκριμϋνεσ προτϊςεισ ςτον χρόςτη
Adomavicius et al., 2005
Manning et al., 2008
#6 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
7. Σφςτημα Προτάςεων – Γενική Μορφή
C: η κοινότητα
C των χρηςτών
u: η ςυνϊρτηςη
ϑςτημα Προτϊςεων ωφϋλειασ
S: το ςύνολο των
S αντικειμϋνων
Adomavicius et al. , 2005
#7 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
8. Συςτήματα Προτάςεων - Εξζλιξη
1990s ςυνεργατικό διόθηςη (collaborative
filtering)
2000s εναλλακτικϋσ μϋθοδοι με ςτϐχο
βελτιωμϋνη ακρύβεια και πρϐβλεψη
2007 Βραβεύο Netflix 1.000.000$
2/3 ταινιών, 38% επιπλϋον click through και
35% πωλόςεισ τησ Amazon οφεύλονται ςτισ
προτϊςεισ
2010 +
Περιςςότερα εξατομικευμένα περιβάλλοντα
Δεν υπάρχει γενική μορφή ςε πολλούσ ιςτότοπουσ
Eli Pariser: Beware online "filter bubbles"
υνϋδρια:
ACM RecSys,ICWSM: Weblog and Social
Media, WebKDD: Web Knowledge Discovery and
Data Mining,WWW: The original WWW
conference, SIGIR: Information Retrieval, ACM
KDD: Knowledge Discovery and Data
Mining, ICML: Machine Learning
Celma et al. ISMIR 2007
#8 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
9. Ταξινόμηςη Συςτημάτων Προτάςεων
Με βϊςη τη μεθοδολογύα
Περιεχϐμενο Τεχνολογύα
Προτιμόςεισ
(υνεργατικό
Διόθηςη, Collaborative μνήμη
Filtering)
Τβριδικϊ
Μεθοδολογύα
Με βϊςη την τεχνολογύα
Μνόμη περιεχόμενο προτιμήςεισ
Μοντϋλο
μοντέλο
#9 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
10. Μζθοδοι με Βάςη το Περιεχόμενο
Αναλύουμε το περιεχόμενο κϊθε
αντικειμϋνου ό τησ περιγραφόσ
κϊθε αντικειμϋνου το οπούο
ςυςχετύζεται με χρόςτεσ
Η ςυςχϋτιςη γύνεται με βϊςη τισ
προηγούμενεσ προτιμόςεισ
τουσ ό τισ δραςτηριϐτητεσ τουσ
Προβλϋπεται η μελλοντικό γνώμη
κϊποιου χρόςτη για ϋνα δεδομϋνο
αντικεύμενο
Μοιϊζει με ϋνα ςϑςτημα επύλυςησ
του προβλόματοσ ταξινόμηςησ
κειμϋνου
#10 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
11. Συνεργατική Διήθηςη (1/2)
(Collaborative Filtering)
«οι χρήςτεσ που εμφανίζουν παρόμοια ςυμπεριφορά ςτο παρελθόν θα
ςυνεχίςουν να ςυμπεριφέρονται με παρόμοιο τρόπο και ςτο μέλλον»
τη γενικό τησ μορφό η τεχνικό αυτό αναζητϊ χρόςτεσ που
μοιρϊζονται το ύδιο μοτύβο ςυμπεριφορϊσ με τον ενεργϐ χρόςτη
Προτεύνει τα αντικεύμενα που ϋχουν όδη αξιολογόςει θετικϊ
Οι χριςτεσ ςυμφωνοφν ςτισ
1
προτιμιςεισ τουσ ςτο παρελκόν
2 Θα ςυμφωνοφν ςτισ προτιμιςεισ
τουσ και ςτο μζλλον
#11 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
18. Πιθανοτικά Μοντζλα Θεμάτων (3/3)
Αλλϊ δεν γνωρύζουμε τα θϋματα
Σα μαθαύνουμε με ςτατιςτικό επαγωγό
#18 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
19. Πιθανοτικά Μοντζλα Θεμάτων
Χαρακτηριςτικά
Αντιμετωπύζουμε τα δεδομϋνα ςαν
παρατηρόςεισ που προϋρχονται από
μια γενετικό (generative) πιθανοτικό
διαδικαςύα με βϊςη λανθϊνουςεσ
μεταβλητϋσ
τϐχοσ εύναι η εύρεςη του βϋλτιςτου
ςυνόλου λανθανουςών μεταβλητών
που μπορεύ να εξηγόςει τα
παρατηροϑμενα δεδομϋνα
Μποροϑν να εφαρμοςτοϑν ςε μεγϊλεσ
ςυλλογϋσ εγγρϊφων
Μποροϑν να εφαρμοςτοϑν ςε χρονικϊ
ό ςχετιζόμενα δεδομϋνα
Μποροϑν να εφαρμοςτοϑν ςε
διαφορετικϊ εύδη δεδομϋνων
(γενετικϊ δεδομϋνα, εικϐνεσ, κοινωνικϊ
δύκτυα)
#19 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
20. Λανθάνουςα Κατανομή Dirichlet
Για κϊθε κεύμενο
Επιλογό N ~ Poisson(ξ)
Επιλογό θ ~ Dir(α)
Για κϊθε μια απϐ τισ Ν λϋξεισ wn:
Επιλογό θϋματοσ zn ~ Multinomial(θ)
Επιλογό μιασ λϋξησ wn απϐ p(wn|zn,β), μια πολυωνυμικό
κατανομό πιθανοτότων ϐρων με δεδομϋνο το θϋμα zn
#20 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
21. Δειγματοληψία Gibbs
Αναπαριςτοϑμε την ςυλλογό
κειμϋνων με ϋνα ςϑνολο ϐρων wi και
δεικτών κειμϋνων di, για κϊθε λϋξη i
Η δειγματοληψύα Gibbs
θεωρεύ γνωςτό κϊθε λϋξη που
βρύςκεται ςτην ςυλλογό κειμϋνων
υπολογύζει την πιθανότητα να
πϊρουμε την παρούςα λϋξη απϐ κϊθε
θϋμα, δεδομϋνων των υπόλοιπων
ςυνδϋςεων λϋξεων και θεμϊτων
WT
C wi j C dDT
ij
P( z i j | z i , wi , d i , ) W T
WT DT
C wj W C di j T
w 1 t 1
#21 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
26. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
Ερώτημα 1:
Πωσ μπορεύ να ενςωματωθεύ η υπϊρχουςα γνώςη ενϐσ τομϋα εφαρμογόσ ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Entasis
Ερώτημα 2:
Πωσ μποροϑν να καταγραφοϑν οι δεξιϐτητεσ των χρηςτών και να χρηςιμοποιηθοϑν
για την δημιουργύα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Socrates
Ερώτημα 3:
Πωσ μπορεύ να ενςωματωθεύ η ςυμπεριφορϊ των καταναλωτών ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
FillBasket
Ερώτημα 4:
Πωσ μπορεύ να ενςωματωθεύ το περιεχϐμενο των περιγραφών των προώϐντων
ςε ϋνα ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
TradingLink
#26 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
27. Γνωςιακζσ Δομζσ
Ο τρόποσ που αναπαριςτούμε τη γνώςη μπορεί να
έχει διαφορετικούσ βαθμούσ τυπικότητασ
An ontology is a formal, explicit specification of a shared
conceptualization
Σημαςιολογικόσ Ιςτόσ και Linked Open Data
Studer et al., 1998
#27 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
32. Αξιολόγηςη
Πζντε μικρομεςαίεσ all suitable resources
stro
relevant resources stro
ngly ngly
επιχειρήςεισ disa
neithe disa disa
neither disagre gree r gree gree
Χρηςιμοποιήθηκε από 32 agree e agree
nor nor
χριςτεσ κατά τη διάρκεια μιασ disagre strongl disagr strong
e y agree ee ly
περιόδου ζξι μθνών agree
Οι προτάςεισ γενικά ζγιναν
δεκτζσ με θετικά ςχόλια
agree
Η αναηιτθςθ αξιολογήθηκε agree
strong strong
θετικά ly relevant tags ly
strongl
disagr agree
all suitable tags
Σε προςωπικό επίπεδο neither y
disagre
ee
agree disagre
αμφιβάλλουν αν θα βελτίωνε την nor e e disagr
disagre ee
PUB ορατότητά τουσ PUB e
J3 C2 strongl
K. Christidis,εταιρικό επίπεδο Enterprise 2.0,” ΙΕΕΕ
Σε G. Mentzas, and D. Apostolou, “Supercharging Κ. Christidis and G. Mentzas, “Using Probabilistic Topic agreein Enterprise
y Models
IT Professional, vol. 13, no. 4, pp. 29–35, 2011. Social Software,” in Business Information Systems, 2010, pp. 23–34.
ςημαντικό θετικό αντίκτυπο
PUB neithe
PUB
C6 r
J2 K. Christidis, G. Mentzas, and D. Apostolou, “A Socially Intelligent Approach for agree
K. Christidis, G. Mentzas, and D. Apostolou, “Using latent topics to enhance Enterprise Information Search and Recommendation,” In Proceedings of 18th
search and recommendation in Enterprise Social Software,” Expert Systems with nor
International ICE-Conference on Engineering, Technology and Innovation, 18 - agree
Applications, vol. 39, no. 10, pp. 9297–9307, Aug. 2012. 20 June 2012, Munich. disagr
ee
agree
#32 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
33. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
Ερώτημα 1:
Πωσ μπορεύ να ενςωματωθεύ η υπϊρχουςα γνώςη ενϐσ τομϋα εφαρμογόσ ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Entasis
Ερώτημα 2:
Πωσ μποροϑν να καταγραφοϑν οι δεξιϐτητεσ των χρηςτών και να χρηςιμοποιηθοϑν
για την δημιουργύα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Socrates
Ερώτημα 3:
Πωσ μπορεύ να ενςωματωθεύ η ςυμπεριφορϊ των καταναλωτών ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
FillBasket
Ερώτημα 4:
Πωσ μπορεύ να ενςωματωθεύ το περιεχϐμενο των περιγραφών των προώϐντων
ςε ϋνα ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
TradingLink
#33 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
34. Ανάγκη για Χρήςη Δεξιοτήτων
Nα εξαχθούν, να υπολογιςτούν με βϊςη
κϊποιεσ μετρικϋσ και να χρηςιμοποιηθούν
οι δεξιϐτητεσ των εργαζομϋνων ανϊ
θεματικϐ τομϋα ειδύκευςησ ςε μια ομϊδα
Π.χ. κοινότητεσ ανάπτυξησ ελεύθερου
λογιςμικού
η αναζότηςη των κατϊλληλων
προγραμματιςτών για να επιλϑςουν
ςυγκεκριμϋνα προβλόματα εύναι
καθοριςτικόσ ςημαςύασ
Τι γύνεται μϋχρι ςόμερα:
Εύδοσ Πληροφορύασ
ποιοτικϋσ ενδεύξεισ με βϊςη το κεύμενο
ποςοτικϋσ ενδεύξεισ με βϊςη την δραςτηριϐτητα
Μόνο μύα πηγό
Ένα εργαλεύο (π.χ. Mailing lists, Issue Tracking
Systems)
#34 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
35. Socrates
Mια μεθοδολογύα και ϋνα αντύςτοιχο
ςύςτημα
εξαγωγό πιθανοτικών μοντϋλων θεμϊτων για
τη μοντελοπούηςη τησ ικανϐτητασ ενϐσ
εργαζομϋνου να αντιμετωπύςει ϋνα πρϐβλημα
Δυο χαρακτηριςτικϊ
Ενςωματώνει ςτοιχεύα από πολλαπλϋσ
πηγϋσ
πολλϊ ςυνεργατικϊ εργαλεύα ςτα οπούα
δραςτηριοποιεύται ο εργαζϐμενοσ
Συνδυϊζει τόςο ποιοτικϊ όςο και
ποςοτικϊ χαρακτηριςτικϊ τησ
δραςτηριϐτητασ του εργαζομϋνου
μετρικϋσ δραςτηριϐτητασ και το κεύμενο που
παρϊγει
#35 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
36. Η Προςζγγιςη του Socrates
#36 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
39. Αξιολόγηςη
1.389 προβλόματα ςε δϑο
κοινϐτητεσ – μια μεγϊλη και
μια μικρότερη
Διαφορϊ απόδοςησ μεταξϑ
των μετρικών που βαςύζονται
ςτο κεύμενο και ςτη
δραςτηριϐτητα ανϊλογα με την
κοινϐτητα που αναφερϐμαςτε
Η απϐδοςη τησ προτεινϐμενησ
προςϋγγιςησ εύναι παρόμοια
με εκεύνη τησ καλύτερησ
προςϋγγιςησ ανϊ περύπτωςη
Αλλϊ προςφϋρει και μια
εποπτικό εικόνα των
δεξιοτότων των χρηςτών
PUB PUB
C3 JX
Κ. Christidis, F. Paraskevopoulos, D. Panagiotou and G. Mentzas. “Combining Κ. Christidis, F. Paraskevopoulos and G. Mentzas. “SOCRATES: A Topic-based
Activity Metrics and Contribution Topics for Software Recommendations”. In Competency Score for Software Recommendations”. Submitted to IEEE
Proceedings of the 3rd International Workshop on Recommendation Systems Software, 15th of December 2012
for Software Engineering (RSSE '12). ACM, Zurich, Switzerland
#39 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
40. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
Ερώτημα 1:
Πωσ μπορεύ να ενςωματωθεύ η υπϊρχουςα γνώςη ενϐσ τομϋα εφαρμογόσ ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Entasis
Ερώτημα 2:
Πωσ μποροϑν να καταγραφοϑν οι δεξιϐτητεσ των χρηςτών και να χρηςιμοποιηθοϑν
για την δημιουργύα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Socrates
Ερώτημα 3:
Πωσ μπορεύ να ενςωματωθεύ η ςυμπεριφορϊ των καταναλωτών ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
FillBasket
Ερώτημα 4:
Πωσ μπορεύ να ενςωματωθεύ το περιεχϐμενο των περιγραφών των προώϐντων
ςε ϋνα ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
TradingLink
#40 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
41. Βελτιωμζνη Ενςωμάτωςη τησ Καταναλωτικήσ
Συμπεριφοράσ
Ωσ τώρα ϋχουν προταθεύ διϊφορα
ςυςτόματα προτϊςεων για την ανϊλυςη
καλαθιοϑ αγορϊσ
Εξαγωγό Κανόνων Συςχϋτιςησ
Συνεργατικό Διόθηςη
Όμωσ
Οι τεχνικϋσ που ϋχουν προταθεύ ςτη
βιβλιογραφύα προςφϋρουν μόνο
περιοριςμϋνη εικόνα των προτιμόςεων
των καταναλωτών
Η ποιότητα των προτϊςεων που
παρϊγονται αλλϊ και η ταχύτητα με την
οπούα παρϊγονται μπορεύ να επηρεαςτοϑν
αρνητικϊ απϐ τον τϑπο του ςυνϐλου
δεδομϋνων
#41 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
42. FillBasket
Εξαγωγό και μοντελοπούηςη των
προτιμόςεων των χρηςτών ςτο
εμπϐριο με βϊςη τα λανθϊνοντα
θϋματα
Φρόςη πιθανοτικών μοντϋλων ςε
ςτοιχειοςϑνολα ςυναλλαγών ςτα
οπούα θεωροϑμε
το καλϊθι αγορών των
καταναλωτών
προηγούμενο ιςτορικό των
πελατών
Μποροϑν να παρϋχουν μια
εποπτικό εικόνα τησ
ςυμπεριφορϊσ των καταναλωτών
αλλϊ μποροϑν επύςησ να
υποςτηρύξουν ϋνα ςύςτημα
προτϊςεων προώϐντων
#42 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
45. Αξιολόγηςη
υναλλαγϋσ ενϐσ ϋτουσ
ςε ελληνικό
υπεραγορϊ
~1.000.000 ςυναλλαγϋσ Μοντϋλα
~ 20.000 εγγεγραμμϋνοι Θεμϊτων
καταναλωτϋσ
υμπερϊςματα 1
Σα μοντϋλα θεμϊτων 2
ξεπερνούν ςε 3
αποτελεςματικότητα 4
την εξαγωγό κανϐνων Κανϐνεσ 5
ςυςχϋτιςησ υςχϋτιςησ ARM
Η ςτατιςτικό επαγωγό
εύναι καλϑτερη απϐ την
χρόςη ευρετηρύων
χεδϐν ιςοδϑναμη η PUB
χρόςη λανθανϐντων C5
καλαθιών και χρηςτών K. Christidis, D. Apostolou, and G. Mentzas, “Exploring Customer Preferences
with Probabilistic Topics Models.” In Proceedings of Preference Learning
workshop, European Conference of Machine Learning 2010, Barcelona, Spain
#45 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
46. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
Ερώτημα 1:
Πωσ μπορεύ να ενςωματωθεύ η υπϊρχουςα γνώςη ενϐσ τομϋα εφαρμογόσ ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Entasis
Ερώτημα 2:
Πωσ μποροϑν να καταγραφοϑν οι δεξιϐτητεσ των χρηςτών και να χρηςιμοποιηθοϑν
για την δημιουργύα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Socrates
Ερώτημα 3:
Πωσ μπορεύ να ενςωματωθεύ η ςυμπεριφορϊ των καταναλωτών ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
FillBasket
Ερώτημα 4:
Πωσ μπορεύ να ενςωματωθεύ το περιεχϐμενο των περιγραφών των προώϐντων
ςε ϋνα ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
TradingLink
#46 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
47. Ανάγκη για Αξιοποίηςη Περιεχομζνου
Πρϐβλημα τησ εξαγωγόσ
τησ λανθϊνουςασ
ςημαςιολογύασ απϐ την
βϊςη δεδομϋνων μιασ
ηλεκτρονικόσ αγορϊσ για
την υποςτόριξη ενϐσ
ςυςτόματοσ προτϊςεων
Οι υπϊρχουςεσ
υλοποιόςεισ
αποτυγχϊνουν να
εκμεταλλευτοϑν το μη
δομημϋνο περιεχόμενο
#47 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
48. TradingLink
Εκμετϊλλευςη του μη δομημϋνου
κειμϋνου που βρύςκεται ςε ηλεκτρονικϋσ
αγορϋσ δημοπραςιών για την παραγωγό
προτϊςεων που απευθϑνονται ςε
καταναλωτϋσ και πωλητϋσ
Πρώτον, την πρόταςη ςχετικών
προώόντων με αυτϐ που βλϋπει ο πιθανϐσ
αγοραςτόσ
Δεϑτερον, την πρόταςη ςυναφών
αντικειμϋνων αλλϊ και ςημαντικών
όρων που αφοροϑν το προώϐν που θϋλει να
πουλόςει ϋνασ πωλητόσ
Η δημιουργύα αυτών των προτϊςεων
γύνεται με βϊςη τα πιθανοτικϊ
μοντϋλα θεμϊτων που ϋχουν εξαχθεύ
απϐ το περιεχϐμενο τησ ηλεκτρονικόσ
αγορϊσ
#48 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
51. Αξιολόγηςη
Απϐ το ςϑνολο δεδομϋνων 100%
του Ebid 90%
65,205 αντικεύμενα μεταξϑ 80%
20 και 25 ΜαϏου 2012.
70%
Απϐ χρόςτεσ ςε 15 ςενϊρια 60%
Strongly Agree
Agree
32 ςυμμετϋχοντεσ 50%
Neither Agree nor Disagree
Ιοϑνιοσ του 2012 40%
Disagree
2 εβδομϊδεσ 30%
Strongly Disagree
Οι προτϊςεισ αντικειμϋνων 20%
και ϐρων αντιμετωπύζονται 10%
ωσ χρόςιμεσ και πολύ 0%
χρόςιμεσ με χαμηλϋσ τιμϋσ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
τυπικόσ απϐκλιςησ
PUB PUB
J1 C1
K. Christidis and G. Mentzas. “A Topic-based Recommender System for
K. Christidis and G.Mentzas, “A Topic-based Recommender System for Electronic Electronic Marketplace Platforms”, In Proceedings of the 24st IEEE
Marketplace Platforms”, Expert Systems with Applications, in print, 2013 International Conference on Tools with Artificial Intelligence (ICTAI
’12), IEEE, Athens, Greece
#51 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
52. Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Μποροϑμε να βελτιώςουμε τα ςυςτόματα προτϊςεων
χρηςιμοποιώντασ πιθανοτικϊ μοντϋλα θεμϊτων;
Ερώτημα 1:
Πωσ μπορεύ να ενςωματωθεύ η υπϊρχουςα γνώςη ενϐσ τομϋα εφαρμογόσ ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Entasis
Ερώτημα 2:
Πωσ μποροϑν να καταγραφοϑν οι δεξιϐτητεσ των χρηςτών και να χρηςιμοποιηθοϑν
για την δημιουργύα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
Socrates
Ερώτημα 3:
Πωσ μπορεύ να ενςωματωθεύ η ςυμπεριφορϊ των καταναλωτών ςε ϋνα
ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
FillBasket
Ερώτημα 4:
Πωσ μπορεύ να ενςωματωθεύ το περιεχϐμενο των περιγραφών των προώϐντων
ςε ϋνα ςϑςτημα προτϊςεων με χρόςη μοντϋλων θεμϊτων;
TradingLink
#52 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
53. Συνειςφορά τησ Διατριβήσ
Προτεινόμενη
Προςϋγγιςη Μειωμϋνεσ διαςτϊςεισ
και μεγαλϑτερη
ταχϑτητα
Βελτιωμϋνη Aποτύπωςη
ενςωμϊτωςη και χρόςη των
Πρόταςη
και χρόςη τησ δεξιοτότων Bελτιωμϋνη Ικανοποιητικό
όρων για την
υπϊρχουςασ των πρόταςη ακρύβεια και ανϊκληςη
περιγραφό
γνώςησ ςε εργαζομϋνων προιόντων
προώϐντων για
ςυςτόματα για την για αγορϊ
πώληςη
προτϊςεων πραγματοπούη
ςη προτϊςεων
Ερμηνεύςιμη
πληροφορύα ςτον
ιδιοκτότη/ διαχειριςτό
του ςυςτόματοσ
#53 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
54. Επεκτάςεισ
Εκτενϋςτερη αξιολϐγηςη ςυςτημϊτων
ε μεγαλύτερη κλύμακα και με διαφορετικϋσ
μεταβλητϋσ
δημογραφικϊ των χρηςτών (ηλικύα, χώρα
καταγωγόσ, πολιτιςμικϊ χαρακτηριςτικϊ, κ.α.) και διαδικαςύα
παραγωγόσ προτϊςεων (χρϐνοσ, τϐποσ, διϊθεςη, κ.α.)
Έλεγχοσ A/B (A/B test)
οι χρόςτεσ δεν γνωρύζουν ϐτι αξιολογοϑν κϊποιο ςϑςτημα
αλλϊ η προτύμηςη τουσ αξιολογεύται με βϊςη μετρικϋσ
δραςτηριϐτητασ
Ιςχυρότερη ςύνδεςη του ςυςτόματοσ προτϊςεων με
τισ γνωςιακϋσ δομϋσ
Επϋκταςη τησ ςϑνδεςησ που ϋγινε ςτο Entasis
Καλϑτεροσ ςυνδυαςμϐσ των γνωςιακών δομών και τησ
ρητόσ γνώςησ με τα λανθϊνοντα θϋματα
#54 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
55. Κατευθφνςεισ για Μελλοντική Ζρευνα
Ενςωμϊτωςη γνώςεων διαφορετικοϑ τϑπου, ϐπωσ
πλαιςύου (context) και κοινωνικών δικτύων για την
βελτύωςη των προτϊςεων
Ενςωμϊτωςη ποικιλύασ (diversity) και εύνοιασ
τυχαύων ανακαλύψεων (serendipity) ςτην
προτεινϐμενη προςϋγγιςη
Σα ςτοιχεύα αυτϊ αποτελοϑν ςτϐχουσ τησ ερευνητικόσ
κοινϐτητασ των ςυςτημϊτων προτϊςεων
Φρόςη των ςυςτημϊτων προτϊςεων για την
υποςτόριξη αλλαγών ςτον τρόπο ζωόσ των
ανθρώπων
Σώρα οι ϊνθρωποι παύρνουν αποφϊςεισ χωρύσ να
λαμβϊνουν υπϐψη τα αρνητικϊ μακροπρϐθεςμα
αποτελϋςματα ςτο περιβϊλλον και ςτην ανθρώπινη
υγεύα
#55 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
56. Σχετικζσ Δημοςιεφςεισ (1/2)
4 δημοςιεύςεισ ςε περιοδικά
[J1] K. Christidis and G.Mentzas, “A Topic-based Recommender System for
Electronic Marketplace Platforms”, Expert Systems with Applications, in
print, 2013, Impact Factor 1.924
[J2] K. Christidis, G. Mentzas, and D. Apostolou, “Using latent topics to
enhance search and recommendation in Enterprise Social Software,” Expert
Systems with Applications, vol. 39, no. 10, pp. 9297–9307, Aug.
2012, Impact Factor 1.924
[J3] K. Christidis, G. Mentzas, and D. Apostolou, “Supercharging Enterprise
2.0,” ΙΕΕΕ IT Professional, vol. 13, no. 4, pp. 29–35, 2011.
[J4] K. Christidis, N. Papailiou, D. Apostolou, and G. Mentzas, “Semantic
Interfaces for Personal and Social Knowledge Work,” International Journal
of Knowledge-Based Organizations, vol. 1, no. 1, pp. 61–77, 2011.
8 ςε ςυνέδρια
[C1] K. Christidis and G. Mentzas. “A Topic-based Recommender System for
Electronic Marketplace Platforms”, In Proceedings of the 24st IEEE
International Conference on Tools with Artificial Intelligence (ICTAI
’12), IEEE, Athens, Greece
[C2] K. Christidis, G. Mentzas, and D. Apostolou, “A Socially Intelligent
Approach for Enterprise Information Search and Recommendation,” In
Proceedings of 18th International ICE-Conference on
Engineering, Technology and Innovation, 18 - 20 June 2012, Munich
#56 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
57. Σχετικζσ Δημοςιεφςεισ (2/2)
[C3] Κ. Christidis, F. Paraskevopoulos, D. Panagiotou and G. Mentzas. “Combining
Activity Metrics and Contribution Topics for Software Recommendations”. In
Proceedings of the 3rd International Workshop on Recommendation Systems for
Software Engineering (RSSE '12). ACM, Zurich, Switzerland
[C4] E. Bothos, K. Christidis, D. Apostolou, and G. Mentzas, “Information market
based recommender systems fusion,” in Proceedings of the 2nd International
Workshop on Information Heterogeneity and Fusion in Recommender
Systems, New York, NY, USA, 2011, pp. 1–8.
[C5] K. Christidis, D. Apostolou, and G. Mentzas, “Exploring Customer Preferences
with Probabilistic Topics Models.” In Proceedings of Preference Learning
workshop, European Conference of Machine Learning 2010, Barcelona, Spain
[C6] K. Christidis and G. Mentzas, “Using Probabilistic Topic Models in Enterprise
Social Software,” in Business Information Systems, 2010, pp. 23–34.
[C7] K. Christidis, N. Papailiou, G. Mentzas, and D. Apostolou, “Exploring Gadget-
Based Interfaces for the Social Semantic Desktop,” in 2009 13th Panhellenic
Conference on Informatics, 2009, pp. 215–219.
[C8] N. Papailiou, K. Christidis, D. Apostolou, G. Mentzas, R.
Gudjonsdottir, ”Personal and Group Knowledge Management with the Social
Semantic Desktop”, in O. Cunnigham and M. Cunnigham (eds) Collaboration and
the Knowledge Economy: issues, Applications and Case Studies, pp. 1475-
1482, eChallenges e-2008 Conference, 22 - 24 October 2008, Stockholm, Sweden
#57 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
58. Διακρίςεισ / Βραβεφςεισ
Best Paper Award ςτο18th
International ICE-Conference on
Engineering, Technology and
Innovation
4ο Βραβεύο ςτον 2ο Διαγωνιςμϐ i-
bank Καινοτομύασ και Σεχνολογύασ
τησ Εθνικόσ Σρϊπεζασ
Βρϊβευςη (20 καλύτερεσ
προτϊςεισ) ςτον 1ο Διαγωνιςμϐ i-
bank Καινοτομύασ και Σεχνολογύασ
τησ Εθνικόσ Σρϊπεζασ
#58 Κωνςταντίνοσ Χρηςτίδησ Δευτέρα 11/2/2013
59. ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΦΟΛΗ ΗΛΕΚΣΡΟΛΟΓΩΝ ΜΗΦΑΝΙΚΩΝ ΚΑΙ
ΜΗΦΑΝΙΚΩΝ ΤΠΟΛΟΓΙΣΩΝ
Συςτήματα Προτάςεων
με Πιθανοτικά Μοντζλα Θεμάτων
Διδακτορική Διατριβή
Ευχαριςτώ πολϑ για την προςοχό ςασ!
Κωνςταντίνοσ Χρηςτίδησ
Ερωτόςεισ;