Η χρήση του διαδικτύου αυξάνεται με ραγδαίους ρυθμούς. Από την πρώτη διασύνδεση υπολογιστών έως και σήμερα, όλο και περισσότεροι χρήστες χρησιμοποιούν το διαδίκτυο. Το ίντερνετ μας παρέχει πληροφορίες άμεσα και γρήγορα και ο κόσμος έγινε ένα παγκόσμιο χωριό. Σήμερα τα μέσα κοινωνικής δικτύωσης αποτελούν μέρος της καθημερινότητας των σύγχρονων ανθρώπων. Το διαδίκτυο χρησιμοποιείται για εμπορικούς σκοπούς (ηλεκτρονικό εμπόριο), για διασκέδαση μέσω της ροής δεδομένων (streaming) μουσικής και ταινιών, για εκπαιδευτικούς σκοπούς με την αναζήτηση πληροφοριών κλπ.
Όλη αυτή η δραστηριότητα στο ίντερνετ, δημιούργησε μια τεράστια βάση δεδομένων από πληροφορίες, στις οποίες πρέπει να γίνει αναζήτηση και ανάκτηση αυτού που αναζητά ο κάθε χρήστης. Αυτό επιτυγχάνεται με τα συστήματα συστάσεων, τα οποία αναζητούν και προτείνουν σχετικές πληροφορίες στον κάθε χρήστη.
Τα συστήματα συστάσεων (Recommender Systems – RSs) χρησιμοποιώντας τεχνικές εξόρυξης δεδομένων, στατιστικής και τεχνητής νοημοσύνης είναι απαραίτητα τόσο για τις εταιρίες όσο και για τους ιδιώτες, παρέχοντας προβλέψεις στηριζόμενα σε υφιστάμενες βάσεις δεδομένων. Ένα αποτελεσματικό σύστημα συστάσεων (Recommender System – RS) μπορεί να δώσει ανταγωνιστικό πλεονέκτημα σε μια εταιρία αλλά και να διευκολύνει την καθημερινότητα ενός απλού χρήστη του διαδικτύου.
Η διαδικασία της πρόβλεψης γίνεται με την χρήση αλγορίθμων από άλλα επιστημονικά πεδία ή την ανάπτυξη νέων εξειδικευμένων αλγοριθμικών εργαλείων προσαρμοσμένων σε κάθε πεδίο.
Στην παρούσα εργασία γίνεται μια περιγραφή του τι είναι ένα RS, ποια προβλήματα επιλύει και ποιες είναι οι αδυναμίες του. Γίνεται παρουσίαση των διαφόρων κατηγοριών των RSs καθώς και των αλγορίθμων που χρησιμοποιούν. Στη συνέχεια περιγράφονται οι κύριες τεχνικές που χρησιμοποιούνται σε αυτά. Τέλος γίνεται μια σύγκριση της ακρίβειας μεταξύ αλγορίθμων που χρησιμοποιούνται στα RSs χρησιμοποιώντας δεδομένα που αφορούν αξιολογήσεις χρηστών για ταινίες και ανέκδοτα.
The number of people that use internet is increasing rapidly. From the first communication between computers till today, internet has many more users. Internet provides to us information instantly. Our world has become a global village. In our days, social media is part of everyday life of the modern people. Internet is used for business purposes (e.g. e-commerce), for entertainment via music or video streaming, for educational purposes and many more.
All these activities have created huge databases of information. In such a database must be done data mining and retrieval of the information that one user is looking for. This is done with Recommender Systems (RSs), which look for and propose relevant information to a user.
RSs use data mining techniques, statistics and artificial intelligence methods. RSs are a necessity for the enterprises and the individuals because they provide recommendations by using the available knowledge in those databases. A well designed and implemented recommender system (RS) can develop competitive advantage for a company. Moreover, it can make everyday life easier for the users.
Prediction is made by using algorithms developed in other scientific fields or by creating a new one which is tailor made for a specific field.
This paper describes what is a RS and the problems that is resolving. Also, it is stated what problems occur in their usage. There is a description of the categories of the RSs and which algorithms are used. Moreover, it is covered in brief the scientific fields used in RSs. At the end, there is comparison between RSs algorithms in terms of accuracy measurements. For this comparison were used databases that include user ratings about movies and jokes.