{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1316059"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1316059","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ανάπτυξη κοινωνικού συστήματος συστάσεων σε ένα ηλεκτρονικό κατάστημα","abstract":"Η παρούσα εργασία πραγματεύεται τα συστήματα συστάσεων, και το πώς μπορούμε να εκμεταλλευτούμε πληροφορία που έχουν δηλώσει οι πελάτες μας στο κοινωνικό δίκτυο του facebook, ώστε να τους προτείνουμε προϊόντα που θα τους ενδιαφέρουν. Η εργασία μπορεί να χωριστεί σε 3 ευδιάκριτα στάδια. Το πρώτο στάδιο ήταν η βιβλιογραφική έρευνα, στην οποία παραθέτουμε σημαντικές ερευνητικές εργασίες της περιοχής, και παρουσιάζουμε κάποια χαρακτηριστικά συστήματα συστάσεων. Το δεύτερο στάδιο είναι η παρουσίαση ενός ολοκληρωμένου ηλεκτρονικού καταστήματος που αναπτύξαμε. Το τρίτο στάδιο είναι το ερευνητικό μέρος, που περιλαμβάνει την ανάπτυξη ενός κοινωνικού συστήματος συστάσεων, που έχει ενσωματωθεί στο ηλεκτρονικό κατάστημα. Το σύστημα συστάσεων που επιλέξαμε να υλοποιήσουμε βασίζεται στη γνωστή τεχνική συνεργατικού φιλτραρίσματος, μέσω της παραγοντοποίησης πίνακα, η οποία ανακαλύπτει διανύσματα λανθανόντων χαρακτηριστικών για τους χρήστες και τα αντικείμενα. Η προσέγγισή που υλοποιούμε επεκτείνει την παραπάνω τεχνική, εξαναγκάζοντας το σύστημα να χρησιμοποιήσει παρόμοια διανύσματα για χρήστες που έδωσαν παρόμοιες βαθμολογίες στο κατάστημα, ή έχουν παρόμοιες προτιμήσεις στο facebook, ή έχουν παρόμοια δημογραφικά στοιχεία. Επιπλέον, η τελική εκτίμηση βαθμολογίας επηρεάζεται και από τις εκτιμήσεις που έγιναν για τους γείτονες του κάθε χρήστη. Το σύστημα αξιολογείται πειραματικά μέσω γνωστών μετρικών απόδοσης, πάνω σε πραγματικά δεδομένα βαθμολογιών, και συγκρίνεται με κάποια κλασικά συστήματα συστάσεων.","abstract_html":"Η παρούσα εργασία πραγματεύεται τα συστήματα συστάσεων, και το πώς μπορούμε να εκμεταλλευτούμε πληροφορία που έχουν δηλώσει οι πελάτες μας στο κοινωνικό δίκτυο του facebook, ώστε να τους προτείνουμε προϊόντα που θα τους ενδιαφέρουν. Η εργασία μπορεί να χωριστεί σε 3 ευδιάκριτα στάδια. Το πρώτο στάδιο ήταν η βιβλιογραφική έρευνα, στην οποία παραθέτουμε σημαντικές ερευνητικές εργασίες της περιοχής, και παρουσιάζουμε κάποια χαρακτηριστικά συστήματα συστάσεων. Το δεύτερο στάδιο είναι η παρουσίαση ενός ολοκληρωμένου ηλεκτρονικού καταστήματος που αναπτύξαμε. Το τρίτο στάδιο είναι το ερευνητικό μέρος, που περιλαμβάνει την ανάπτυξη ενός κοινωνικού συστήματος συστάσεων, που έχει ενσωματωθεί στο ηλεκτρονικό κατάστημα. Το σύστημα συστάσεων που επιλέξαμε να υλοποιήσουμε βασίζεται στη γνωστή τεχνική συνεργατικού φιλτραρίσματος, μέσω της παραγοντοποίησης πίνακα, η οποία ανακαλύπτει διανύσματα λανθανόντων χαρακτηριστικών για τους χρήστες και τα αντικείμενα. Η προσέγγισή που υλοποιούμε επεκτείνει την παραπάνω τεχνική, εξαναγκάζοντας το σύστημα να χρησιμοποιήσει παρόμοια διανύσματα για χρήστες που έδωσαν παρόμοιες βαθμολογίες στο κατάστημα, ή έχουν παρόμοιες προτιμήσεις στο facebook, ή έχουν παρόμοια δημογραφικά στοιχεία. Επιπλέον, η τελική εκτίμηση βαθμολογίας επηρεάζεται και από τις εκτιμήσεις που έγιναν για τους γείτονες του κάθε χρήστη. Το σύστημα αξιολογείται πειραματικά μέσω γνωστών μετρικών απόδοσης, πάνω σε πραγματικά δεδομένα βαθμολογιών, και συγκρίνεται με κάποια κλασικά συστήματα συστάσεων.","abstract_has_math":false,"creators":["Τσάκλας Στέφανος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2014,"date_issued":"2014","date_published":"2014","updated_at":"2026-11-19T05:24:23Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316059"],"render_values":[{"text":"uoadl:1316059","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316059","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316059","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1316059","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Τσάκλας Στέφανος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2014"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316059","https://pergamos.lib.uoa.gr/uoa/dl/object/1316059"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα εργασία πραγματεύεται τα συστήματα συστάσεων, και το πώς μπορούμε να εκμεταλλευτούμε πληροφορία που έχουν δηλώσει οι πελάτες μας στο κοινωνικό δίκτυο του facebook, ώστε να τους προτείνουμε προϊόντα που θα τους ενδιαφέρουν. Η εργασία μπορεί να χωριστεί σε 3 ευδιάκριτα στάδια. Το πρώτο στάδιο ήταν η βιβλιογραφική έρευνα, στην οποία παραθέτουμε σημαντικές ερευνητικές εργασίες της περιοχής, και παρουσιάζουμε κάποια χαρακτηριστικά συστήματα συστάσεων. Το δεύτερο στάδιο είναι η παρουσίαση ενός ολοκληρωμένου ηλεκτρονικού καταστήματος που αναπτύξαμε. Το τρίτο στάδιο είναι το ερευνητικό μέρος, που περιλαμβάνει την ανάπτυξη ενός κοινωνικού συστήματος συστάσεων, που έχει ενσωματωθεί στο ηλεκτρονικό κατάστημα. Το σύστημα συστάσεων που επιλέξαμε να υλοποιήσουμε βασίζεται στη γνωστή τεχνική συνεργατικού φιλτραρίσματος, μέσω της παραγοντοποίησης πίνακα, η οποία ανακαλύπτει διανύσματα λανθανόντων χαρακτηριστικών για τους χρήστες και τα αντικείμενα. Η προσέγγισή που υλοποιούμε επεκτείνει την παραπάνω τεχνική, εξαναγκάζοντας το σύστημα να χρησιμοποιήσει παρόμοια διανύσματα για χρήστες που έδωσαν παρόμοιες βαθμολογίες στο κατάστημα, ή έχουν παρόμοιες προτιμήσεις στο facebook, ή έχουν παρόμοια δημογραφικά στοιχεία. Επιπλέον, η τελική εκτίμηση βαθμολογίας επηρεάζεται και από τις εκτιμήσεις που έγιναν για τους γείτονες του κάθε χρήστη. Το σύστημα αξιολογείται πειραματικά μέσω γνωστών μετρικών απόδοσης, πάνω σε πραγματικά δεδομένα βαθμολογιών, και συγκρίνεται με κάποια κλασικά συστήματα συστάσεων.","This work revolves around recommender systems, and how we can exploit information declared by customers within a social network like facebook, in order to suggest products that may seem interesting to them. Our work can be divided into three distinct stages. The first stage is the literature review, where we discern different research approaches, and we present some representative systems. The second stage is the presentation of a fully-fledged online store that we developed, and it is completely configurable by the administrator. The third stage is the implementation part, which includes the development of a social recommender system. The provided system has been integrated into the aforementioned online store. The recommender system we chose to implement is based on the well-known collaborative filtering technique of low rank matrix factorization, which discovers latent feature vectors of users and items. Our approach extends the above technique, forcing it to use similar vectors for users that gave similar ratings to products, or have similar preferences on facebook, or have similar demographics. Therefore, new customers can receive recommendations for products of our store, without giving any information about themselves and their preferences. Initial profiles are created using available information from users accounts on facebook."]},{"key":"dc:title","label":"Title","values":["Ανάπτυξη κοινωνικού συστήματος συστάσεων σε ένα ηλεκτρονικό κατάστημα"]}]}],"canonical_facts":{"dc:creator":["Τσάκλας Στέφανος"],"dc:date":["2014"],"dc:description":["Η παρούσα εργασία πραγματεύεται τα συστήματα συστάσεων, και το πώς μπορούμε να εκμεταλλευτούμε πληροφορία που έχουν δηλώσει οι πελάτες μας στο κοινωνικό δίκτυο του facebook, ώστε να τους προτείνουμε προϊόντα που θα τους ενδιαφέρουν. Η εργασία μπορεί να χωριστεί σε 3 ευδιάκριτα στάδια. Το πρώτο στάδιο ήταν η βιβλιογραφική έρευνα, στην οποία παραθέτουμε σημαντικές ερευνητικές εργασίες της περιοχής, και παρουσιάζουμε κάποια χαρακτηριστικά συστήματα συστάσεων. Το δεύτερο στάδιο είναι η παρουσίαση ενός ολοκληρωμένου ηλεκτρονικού καταστήματος που αναπτύξαμε. Το τρίτο στάδιο είναι το ερευνητικό μέρος, που περιλαμβάνει την ανάπτυξη ενός κοινωνικού συστήματος συστάσεων, που έχει ενσωματωθεί στο ηλεκτρονικό κατάστημα. Το σύστημα συστάσεων που επιλέξαμε να υλοποιήσουμε βασίζεται στη γνωστή τεχνική συνεργατικού φιλτραρίσματος, μέσω της παραγοντοποίησης πίνακα, η οποία ανακαλύπτει διανύσματα λανθανόντων χαρακτηριστικών για τους χρήστες και τα αντικείμενα. Η προσέγγισή που υλοποιούμε επεκτείνει την παραπάνω τεχνική, εξαναγκάζοντας το σύστημα να χρησιμοποιήσει παρόμοια διανύσματα για χρήστες που έδωσαν παρόμοιες βαθμολογίες στο κατάστημα, ή έχουν παρόμοιες προτιμήσεις στο facebook, ή έχουν παρόμοια δημογραφικά στοιχεία. Επιπλέον, η τελική εκτίμηση βαθμολογίας επηρεάζεται και από τις εκτιμήσεις που έγιναν για τους γείτονες του κάθε χρήστη. Το σύστημα αξιολογείται πειραματικά μέσω γνωστών μετρικών απόδοσης, πάνω σε πραγματικά δεδομένα βαθμολογιών, και συγκρίνεται με κάποια κλασικά συστήματα συστάσεων.","This work revolves around recommender systems, and how we can exploit information declared by customers within a social network like facebook, in order to suggest products that may seem interesting to them. Our work can be divided into three distinct stages. The first stage is the literature review, where we discern different research approaches, and we present some representative systems. The second stage is the presentation of a fully-fledged online store that we developed, and it is completely configurable by the administrator. The third stage is the implementation part, which includes the development of a social recommender system. The provided system has been integrated into the aforementioned online store. The recommender system we chose to implement is based on the well-known collaborative filtering technique of low rank matrix factorization, which discovers latent feature vectors of users and items. Our approach extends the above technique, forcing it to use similar vectors for users that gave similar ratings to products, or have similar preferences on facebook, or have similar demographics. Therefore, new customers can receive recommendations for products of our store, without giving any information about themselves and their preferences. Initial profiles are created using available information from users accounts on facebook."],"dc:identifier":["uoadl:1316059","https://pergamos.lib.uoa.gr/uoa/dl/object/1316059"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Ανάπτυξη κοινωνικού συστήματος συστάσεων σε ένα ηλεκτρονικό κατάστημα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:23Z"}