Σύστημα συστάσεων ως επέκταση φυλλομετρητή
| datacite.contributor.RelatedPerson | Σιούτας, Σπυρίδων | |
| datacite.contributor.RelatedPerson | Τσώλης, Δημήτριος | |
| datacite.contributor.Supervisor | Χρήστος Μακρής | |
| dc.contributor.author | Τριανταφυλλόπουλος, Παναγιώτης | |
| dc.contributor.other | Triantafyllopoulos, Panagiotis | |
| dc.date.accessioned | 2024-03-11T06:51:03Z | |
| dc.date.available | 2024-03-11T06:51:03Z | |
| dc.date.issued | 2024-03-09 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Στη σημερινή εποχή της πληροφορίας, η τεράστια έκταση του διαδικτύου προσφέρει μια πληθώρα περιεχομένου, καθιστώντας όλο και πιο δύσκολο για τους χρήστες να πλοηγηθούν στις πληροφορίες που είναι διαθέσιμες στους ιστότοπους. Ο τεράστιος όγκος των διευθύνσεων URL σε έναν ιστότοπο συχνά αφήνει τους χρήστες να παλεύουν με υπερφόρτωση περιεχομένου, εμποδίζοντας την ικανότητά τους να βρίσκουν αποτελεσματικά σχετικές και πολύτιμες πληροφορίες. Αυτό το πρόβλημα υπογραμμίζει την κρίσιμη ανάγκη για καινοτόμες λύσεις που μπορούν να βελτιώσουν την εμπειρία του χρήστη παρέχοντας εξατομικευμένες συστάσεις σε έναν συγκεκριμένο ιστότοπο. Η επέκταση φυλλομετρητή (Browser Extention) που προτείνεται σε αυτή τη διπλωματική εργασία προσπαθεί να αντιμετωπίζει αυτό το κρίσιμο πρόβλημα αξιοποιώντας και συγκρίνοντας διαφορετικούς αλγόριθμους μηχανικής μάθησης και συστάσεων για να καθοδηγήσει τους χρήστες σε περιεχόμενο που συνάδει με τα ενδιαφέροντα και τις προτιμήσεις τους. Η προσέγγισή μας περιλαμβάνει την εξαγωγή διευθύνσεων URL από μια δεδομένη ιστοσελίδα και την υποβολή του αντίστοιχου περιεχομένου κειμένου σε τεχνικές επεξεργασίας φυσικής γλώσσας. Με αυτόν τον τρόπο, όχι μόνο απλοποιεί την πλοήγηση του χρήστη μέσα σε έναν ιστότοπο, αλλά επίσης προωθεί μια πιο διαισθητική και ικανοποιητική εμπειρία περιήγησης στο διαδίκτυο. Αυτή η έρευνα επιδιώκει να συμβάλει στο εξελισσόμενο τοπίο της χρηστικότητας του παγκόσμιου ιστού, αναγνωρίζοντας τη σημασία των προσαρμοσμένων συστάσεων περιεχομένου για τη βελτιστοποίηση της αφοσίωσης των χρηστών και της ανάκτησης πληροφοριών. | |
| dc.description.translatedabstract | In today’s age of information, the vastness of the internet offers a wealth of content, making it increasingly difficult for users to navigate through the information available on websites. The sheer volume of URLs on a website often leaves user struggling with content overload, hindering their ability to efficiently find relevant and valuable information. This problem highlights the critical need for innovative solutions that can improve the user experience by providing personalized recommendations on a specific website. The Browser Extension proposed in this thesis attempts to address this critical problem by leveraging and comparing different machine learning and recommendation algorithms to guide users to content consistent with their interests and preferences. Our approach involves extracting URLs from a given webpage and subjecting the corresponding textual content to natural language processing techniques. In this way, it not only simplifies the user’s navigation within a website, but also promotes a more intuitive and satisfying web browsing experience. This research seeks to contribute to the evolving landscape of Web usability by recognizing the importance of tailored content recommendations to optimize user engagement and information retrieval. | |
| dc.identifier.uri | https://hdl.handle.net/10889/26756 | |
| dc.language.iso | el | |
| dc.subject | Σύστημα συστάσεων | |
| dc.subject | Επεκτάσεις φυλλομετρητή | |
| dc.subject.alternative | Recommendation system | |
| dc.subject.alternative | Browser extensions | |
| dc.title | Σύστημα συστάσεων ως επέκταση φυλλομετρητή | |
| dc.title.alternative | Recommendation system as a browser extension |