{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5300452"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5300452","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"MovieBot: A Personalized Approach to Conversational Movie Recommendations","abstract":"Τα προσωποποιημένα διαλογικά συστήματα γίνονται όλο και πιο δημοφιλή τα τελευταία χρόνια, χάρη στην ικανότητά τους να βελτιώνουν την ολοκλήρωση εργασιών και να διατηρούν το ενδιαφέρον των χρηστών σε πραγματικές συνθήκες. Ωστόσο, οι διαλογικοί βοηθοί συχνά δεν καταφέρνουν να παρέχουν εξατομικευμένες απαντήσεις, με αποτέλεσμα οι αλληλεπιδράσεις να είναι απρόσωπες, επαναλαμβανόμενες και μη βοηθητικές. Η εξατομίκευση (personalization) είναι μια υποσχόμενη προσέγγιση για την αντιμετώπιση αυτού του προβλήματος, καθώς προσαρμόζει την παράδοση πληροφοριών, προϊόντων ή εμπειριών, στα χαρακτηριστικά και τις προτιμήσεις των χρηστών. Η παρούσα διπλωματική εργασία εξετάζει τον σχεδιασμό, την υλοποίηση και την αξιολόγηση των εξατομικευμένων διαλογικών συστημάτων για συστάσεις, εστιάζοντας στην υλοποίηση ενός chatbot για προτάσεις ταινιών. Σε αντίθεση με τα παραδοσιακά chatbot, τις εφαρμογές και τις ιστοσελίδες σύστασης ταινιών, που προσφέρουν γενικευμένες προτάσεις, το εξατομικευμένο MovieBot, ενσωματώνει δεδομένα από τα προφίλ και την αλληλεπίδραση με τους χρήστες για να παρέχει προσωποποιημένες προτάσεις. Κύριος στόχος αυτής της εργασίας είναι να διερευνήσει τις υπάρχουσες μεθόδους εξατομίκευσης, όπως οι προκαθορισμένοι χαρακτήρες (pre-defined personas) και η έμμεση δημιουργία προφίλ των χρηστών βάσει του ιστορικού του διαλόγου, καθώς και να αξιολογήσει την επίδρασή τους στην εμπειρία των χρηστών. Μία ομάδα 40 συμμετεχόντων αξιολόγησε την απόδοση του MovieBot χρησιμοποιώντας την κλίμακα Likert, αποκαλύπτοντας βελτιώσεις στην ικανοποίηση και την δέσμευση των χρηστών, σε σύγκριση με τα μη εξατομικευμένα συστήματα. Τα ευρήματα καταδεικνύουν τις δυνατότητες της εξατομίκευσης να δημιουργήσει πιο ελκυστικά και προσανατολισμένα στον χρήστη διαλογικά συστήματα. Παρέχοντας πληροφορίες για στρατηγικές εξατομίκευσης και πλαίσια αξιολόγησης, αυτή η εργασία θέτει τα θεμέλια για την εξέλιξη των recommendation chatbot στον τομέα της ψυχαγωγίας και σε άλλα πεδία.","abstract_html":"Τα προσωποποιημένα διαλογικά συστήματα γίνονται όλο και πιο δημοφιλή τα τελευταία χρόνια, χάρη στην ικανότητά τους να βελτιώνουν την ολοκλήρωση εργασιών και να διατηρούν το ενδιαφέρον των χρηστών σε πραγματικές συνθήκες. Ωστόσο, οι διαλογικοί βοηθοί συχνά δεν καταφέρνουν να παρέχουν εξατομικευμένες απαντήσεις, με αποτέλεσμα οι αλληλεπιδράσεις να είναι απρόσωπες, επαναλαμβανόμενες και μη βοηθητικές. Η εξατομίκευση (personalization) είναι μια υποσχόμενη προσέγγιση για την αντιμετώπιση αυτού του προβλήματος, καθώς προσαρμόζει την παράδοση πληροφοριών, προϊόντων ή εμπειριών, στα χαρακτηριστικά και τις προτιμήσεις των χρηστών. Η παρούσα διπλωματική εργασία εξετάζει τον σχεδιασμό, την υλοποίηση και την αξιολόγηση των εξατομικευμένων διαλογικών συστημάτων για συστάσεις, εστιάζοντας στην υλοποίηση ενός chatbot για προτάσεις ταινιών. Σε αντίθεση με τα παραδοσιακά chatbot, τις εφαρμογές και τις ιστοσελίδες σύστασης ταινιών, που προσφέρουν γενικευμένες προτάσεις, το εξατομικευμένο MovieBot, ενσωματώνει δεδομένα από τα προφίλ και την αλληλεπίδραση με τους χρήστες για να παρέχει προσωποποιημένες προτάσεις. Κύριος στόχος αυτής της εργασίας είναι να διερευνήσει τις υπάρχουσες μεθόδους εξατομίκευσης, όπως οι προκαθορισμένοι χαρακτήρες (pre-defined personas) και η έμμεση δημιουργία προφίλ των χρηστών βάσει του ιστορικού του διαλόγου, καθώς και να αξιολογήσει την επίδρασή τους στην εμπειρία των χρηστών. Μία ομάδα 40 συμμετεχόντων αξιολόγησε την απόδοση του MovieBot χρησιμοποιώντας την κλίμακα Likert, αποκαλύπτοντας βελτιώσεις στην ικανοποίηση και την δέσμευση των χρηστών, σε σύγκριση με τα μη εξατομικευμένα συστήματα. Τα ευρήματα καταδεικνύουν τις δυνατότητες της εξατομίκευσης να δημιουργήσει πιο ελκυστικά και προσανατολισμένα στον χρήστη διαλογικά συστήματα. Παρέχοντας πληροφορίες για στρατηγικές εξατομίκευσης και πλαίσια αξιολόγησης, αυτή η εργασία θέτει τα θεμέλια για την εξέλιξη των recommendation chatbot στον τομέα της ψυχαγωγίας και σε άλλα πεδία.","abstract_has_math":false,"creators":["Μαθιοπούλου Αλεξία","Mathiopoulou Alexia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:37:23Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","English","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5300452"],"render_values":[{"text":"uoadl:5300452","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5300452","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5300452","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%3A5300452","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαθιοπούλου Αλεξία","Mathiopoulou Alexia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","English","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5300452","https://pergamos.lib.uoa.gr/uoa/dl/object/5300452"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα προσωποποιημένα διαλογικά συστήματα γίνονται όλο και πιο δημοφιλή τα τελευταία χρόνια, χάρη στην ικανότητά τους να βελτιώνουν την ολοκλήρωση εργασιών και να διατηρούν το ενδιαφέρον των χρηστών σε πραγματικές συνθήκες. Ωστόσο, οι διαλογικοί βοηθοί συχνά δεν καταφέρνουν να παρέχουν εξατομικευμένες απαντήσεις, με αποτέλεσμα οι αλληλεπιδράσεις να είναι απρόσωπες, επαναλαμβανόμενες και μη βοηθητικές. Η εξατομίκευση (personalization) είναι μια υποσχόμενη προσέγγιση για την αντιμετώπιση αυτού του προβλήματος, καθώς προσαρμόζει την παράδοση πληροφοριών, προϊόντων ή εμπειριών, στα χαρακτηριστικά και τις προτιμήσεις των χρηστών. Η παρούσα διπλωματική εργασία εξετάζει τον σχεδιασμό, την υλοποίηση και την αξιολόγηση των εξατομικευμένων διαλογικών συστημάτων για συστάσεις, εστιάζοντας στην υλοποίηση ενός chatbot για προτάσεις ταινιών. Σε αντίθεση με τα παραδοσιακά chatbot, τις εφαρμογές και τις ιστοσελίδες σύστασης ταινιών, που προσφέρουν γενικευμένες προτάσεις, το εξατομικευμένο MovieBot, ενσωματώνει δεδομένα από τα προφίλ και την αλληλεπίδραση με τους χρήστες για να παρέχει προσωποποιημένες προτάσεις. Κύριος στόχος αυτής της εργασίας είναι να διερευνήσει τις υπάρχουσες μεθόδους εξατομίκευσης, όπως οι προκαθορισμένοι χαρακτήρες (pre-defined personas) και η έμμεση δημιουργία προφίλ των χρηστών βάσει του ιστορικού του διαλόγου, καθώς και να αξιολογήσει την επίδρασή τους στην εμπειρία των χρηστών. Μία ομάδα 40 συμμετεχόντων αξιολόγησε την απόδοση του MovieBot χρησιμοποιώντας την κλίμακα Likert, αποκαλύπτοντας βελτιώσεις στην ικανοποίηση και την δέσμευση των χρηστών, σε σύγκριση με τα μη εξατομικευμένα συστήματα. Τα ευρήματα καταδεικνύουν τις δυνατότητες της εξατομίκευσης να δημιουργήσει πιο ελκυστικά και προσανατολισμένα στον χρήστη διαλογικά συστήματα. Παρέχοντας πληροφορίες για στρατηγικές εξατομίκευσης και πλαίσια αξιολόγησης, αυτή η εργασία θέτει τα θεμέλια για την εξέλιξη των recommendation chatbot στον τομέα της ψυχαγωγίας και σε άλλα πεδία.","Personalized dialogue systems have gained increasing attention in recent years due to their ability to improve task completion and engagement in practical contexts. However, conversational agents often fall short in delivering personalized responses, resulting in interactions that are impersonal, repetitive, and unhelpful. Personalization is a promising approach to address this issue, as it tailors the delivery of information, products, or experiences to the characteristics and preferences of individual users or groups. This thesis investigates the design, implementation, and evaluation of personalized recommendation dialogue systems, focusing on a chatbot for movie recommendations. Unlike traditional movie recommendation chatbots, apps and websites, that offer generic suggestions, the personalized chatbot (MovieBot) developed in this study, incorporates user dialogue and profile data to provide customized recommendations. The main goal of this study is to explore existing personalization methods, such as pre-defined personas and implicit user profiling from dialogue history, and evaluates their impact on user experience. A group of 40 participants evaluated MovieBot’s performance using a Likert scale, revealing significant improvements in user satisfaction and engagement compared to non-personalized systems. The findings demonstrate the potential of personalization to create more engaging and user-centered dialogue systems. By contributing insights into personalization strategies and evaluation frameworks, this thesis provides a foundation for advancing recommendation chatbots in entertainment and other domains."]},{"key":"dc:title","label":"Title","values":["MovieBot: A Personalized Approach to Conversational Movie Recommendations"]}]}],"canonical_facts":{"dc:creator":["Μαθιοπούλου Αλεξία","Mathiopoulou Alexia"],"dc:date":["2025"],"dc:description":["Τα προσωποποιημένα διαλογικά συστήματα γίνονται όλο και πιο δημοφιλή τα τελευταία χρόνια, χάρη στην ικανότητά τους να βελτιώνουν την ολοκλήρωση εργασιών και να διατηρούν το ενδιαφέρον των χρηστών σε πραγματικές συνθήκες. Ωστόσο, οι διαλογικοί βοηθοί συχνά δεν καταφέρνουν να παρέχουν εξατομικευμένες απαντήσεις, με αποτέλεσμα οι αλληλεπιδράσεις να είναι απρόσωπες, επαναλαμβανόμενες και μη βοηθητικές. Η εξατομίκευση (personalization) είναι μια υποσχόμενη προσέγγιση για την αντιμετώπιση αυτού του προβλήματος, καθώς προσαρμόζει την παράδοση πληροφοριών, προϊόντων ή εμπειριών, στα χαρακτηριστικά και τις προτιμήσεις των χρηστών. Η παρούσα διπλωματική εργασία εξετάζει τον σχεδιασμό, την υλοποίηση και την αξιολόγηση των εξατομικευμένων διαλογικών συστημάτων για συστάσεις, εστιάζοντας στην υλοποίηση ενός chatbot για προτάσεις ταινιών. Σε αντίθεση με τα παραδοσιακά chatbot, τις εφαρμογές και τις ιστοσελίδες σύστασης ταινιών, που προσφέρουν γενικευμένες προτάσεις, το εξατομικευμένο MovieBot, ενσωματώνει δεδομένα από τα προφίλ και την αλληλεπίδραση με τους χρήστες για να παρέχει προσωποποιημένες προτάσεις. Κύριος στόχος αυτής της εργασίας είναι να διερευνήσει τις υπάρχουσες μεθόδους εξατομίκευσης, όπως οι προκαθορισμένοι χαρακτήρες (pre-defined personas) και η έμμεση δημιουργία προφίλ των χρηστών βάσει του ιστορικού του διαλόγου, καθώς και να αξιολογήσει την επίδρασή τους στην εμπειρία των χρηστών. Μία ομάδα 40 συμμετεχόντων αξιολόγησε την απόδοση του MovieBot χρησιμοποιώντας την κλίμακα Likert, αποκαλύπτοντας βελτιώσεις στην ικανοποίηση και την δέσμευση των χρηστών, σε σύγκριση με τα μη εξατομικευμένα συστήματα. Τα ευρήματα καταδεικνύουν τις δυνατότητες της εξατομίκευσης να δημιουργήσει πιο ελκυστικά και προσανατολισμένα στον χρήστη διαλογικά συστήματα. Παρέχοντας πληροφορίες για στρατηγικές εξατομίκευσης και πλαίσια αξιολόγησης, αυτή η εργασία θέτει τα θεμέλια για την εξέλιξη των recommendation chatbot στον τομέα της ψυχαγωγίας και σε άλλα πεδία.","Personalized dialogue systems have gained increasing attention in recent years due to their ability to improve task completion and engagement in practical contexts. However, conversational agents often fall short in delivering personalized responses, resulting in interactions that are impersonal, repetitive, and unhelpful. Personalization is a promising approach to address this issue, as it tailors the delivery of information, products, or experiences to the characteristics and preferences of individual users or groups. This thesis investigates the design, implementation, and evaluation of personalized recommendation dialogue systems, focusing on a chatbot for movie recommendations. Unlike traditional movie recommendation chatbots, apps and websites, that offer generic suggestions, the personalized chatbot (MovieBot) developed in this study, incorporates user dialogue and profile data to provide customized recommendations. The main goal of this study is to explore existing personalization methods, such as pre-defined personas and implicit user profiling from dialogue history, and evaluates their impact on user experience. A group of 40 participants evaluated MovieBot’s performance using a Likert scale, revealing significant improvements in user satisfaction and engagement compared to non-personalized systems. The findings demonstrate the potential of personalization to create more engaging and user-centered dialogue systems. By contributing insights into personalization strategies and evaluation frameworks, this thesis provides a foundation for advancing recommendation chatbots in entertainment and other domains."],"dc:identifier":["uoadl:5300452","https://pergamos.lib.uoa.gr/uoa/dl/object/5300452"],"dc:language":["Ελληνικά","English","Greek"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["MovieBot: A Personalized Approach to Conversational Movie Recommendations"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:37:23Z"}