Ανάπτυξη συστήματος προτάσεων ταινιών και εύχρηστου γραφικού περιβάλλοντος
Implementation of movies recommendations system and friendly user interface
![Thumbnail](/xmlui/bitstream/handle/11400/3199/ice_711161213.pdf.jpg?sequence=4&isAllowed=y)
Keywords
Recommendation system ; Personalization ; Movies ; Preferences ; Criterion ; User behavior ; Σύστημα προτάσεων ; Εξατομίκευση ; Ταινίες ; Προτιμήσεις ; Κριτήρια ; Συμπεριφορά χρήστηAbstract
Η έλευση του διαδικτύου έφερε μαζί της μία τεράστια αύξηση στον όγκο της πληροφορίας που καταναλώνεται καθημερινά από τον καθένα. Στην σημερινή, πολυάσχολη και με ταχείς ρυθμούς κοινωνία είναι επιτακτική ανάγκη το φιλτράρισμα της πληροφορίας αυτής προκειμένου να ανακαλυφθούν τα κομμάτια αυτά που αντιστοιχούν στις εκάστοτε προτιμήσεις. Για να βοηθήσουν σε αυτή την προσπάθεια, δημιουργήθηκαν τα συστήματα προτάσεων, τα οποία έχουν αναλάβει όχι μόνο την διαλογή των πληροφορίων, αλλά και να ανακαλύψουν πληροφορίες οι οποίες πιθανώς να ανήκουν στο σύνολο των ενδιαφερόντων ενός ατόμου, δίχως όμως να το έχει αντιληφθεί. Σήμερα, τα συστήματα προτάσεων βρίσκονται παντού, από ένα ηλεκτρονικό εμπορικό κατάστημα όπου αναλαμβάνουν το ρόλο του πωλητή, προτείνοντάς προϊόντα τα οποία πιστεύουν πως ενδιαφέρουν τον πελάτη, μέχρι και στον χώρο της ψυχαγωγίας, με το πλέον αντιπροσωπευτικό παράδειγμα τις πλατφόρμες streaming, όπου προσπαθούν να κρατήσουν τους χρήστες όσο το δυνατών περισσότερο χρόνο στην πλατφόρμα, προτείνοντάς τους συνεχώς νέο περιεχόμενο προς θέαση, πάντα με βάση τα ενδιαφέροντά τους.
Στην πτυχιακή εργασία αυτή γίνεται αναφορά σε κάποια βασικά ιστορικά στοιχεία των συστημάτων προτάσεων, παρουσιάζοντας κάποια αντιπροσωπευτικά συστήματα και στη συνέχεια αναφέρεται ο τρόπος που τα συστήματα αυτά χρησιμοποιούνται από διαδικτυακούς κολοσσούς προκειμένου να προσφέρουν εξατομικευμένο περιεχόμενο, πολύ προσεκτικά διαλεγμένο για τον κάθε χρήστη χωριστά. Τέλος, έγινε προσπάθεια να αναπτυχθεί ένα, βασικό, σύστημα προτάσεων ταινιών το οποίο λαμβάνει υπόψιν τις προτιμήσεις του χρήστη για τα είδη των ταινιών προκειμένου να παράγει εξατομικευμένες προτάσεις. Μαζί με το σύστημα αναπτύχθηκε, επίσης, κι ένα γραφικό περιβάλλον προκειμένου να το πλαισιώσει και να δημιουργήσει ένα φιλικό, οικείο περιβάλλον για τον χρήστη.
Το σύστημα που αναπτύχθηκε ήταν σε θέση να παράγει, ως επί το πλείστον, αξιόλογες προτάσεις οι οποίες συμφωνούν με τα προτιμητέα είδη του χρήστη. Το κυριότερο πρόβλημα εμφανίζεται στο σύνολο δεδομένων, το οποίο, λόγω της παλαιότητας ενός
μεγάλου αριθμού ταινιών, η ομάδα δοκιμής δεν αξιολόγησε τις προτάσεις ως ιδιαίτερα ενδιαφέρουσες. Όσον αφορά το γραφικό περιβάλλον, εκπλήρωσε το σκοπό του, με το σύνολο της ομάδας δοκιμής να το χαρακτηρίζει ως πολύ οικείο και εύχρηστο.
Abstract
The advent of the internet has brought with it a huge increase in the amount of information consumed by everyone on a daily basis. In today's busy and fast-paced society, it is imperative to filter this information in order to discover the pieces that correspond to each individual's preferences. To help in this effort, recommendation systems were created, which are tasked not only with sorting through information, but also with discovering information that may belong to a person's set of interests without them realizing it. Today, recommendation systems are everywhere, from an e-commerce store where they take on the role of a salesperson, recommending products that they believe are of interest to the customer, even in the entertainment industry, with the most representative example being streaming platforms, where they try to keep users as much time as possible on the platform,
constantly suggesting them new content to watch, always based on their interests.
This thesis, reference is made to some basic historical elements of recommendation systems, presenting some representative systems and then the way these systems are used by online giants in order to offer personalized content, very carefully selected for each user separately. Finally, an attempt was made to develop a basic movie recommendation system
that takes into account the user's preferences for movie genres in order to produce personalized recommendations. Along with the system, a graphical user interface was also developed in order to frame it and create a friendly, familiar environment for the user.
The developed system was able to produce, for the most part, worthwhile suggestions that agree with the user's preferred genres. The main problem occurs in the data set, which, due to the age of a large number of movies, the test team did not rate the suggestions as particularly interesting. As for the graphical user interface, it served its purpose, with the
entire test team describing it as very familiar and easy to use.