A proximity-based recommender system for indoor spaces
Φόρτωση...
Ημερομηνία
Συγγραφείς
Asiminidis, Christodoulos
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Location-based recommender systems increasingly gain popularity, due to the fact that most users who seek information or recommendations are doing so via their mobile devices. In most previous work, GPS is used for locating the user and the recommended data are related to outdoor objects. On the other hand, there are many cases where users seek for information in indoor spaces. In this case, the use of GPS for location tracking is inaccurate and technologies such as Wi-Fi and BLE are more appropriate. In this thesis, we study the development of a proximity-based recommender system for indoor spaces. We present an accurate indoor localization approach based on BLE. In addition, we deploy a fused matrix factorization model which captures the geographical influence of a location in indoor spaces by modeling the probability of the user to be interested in as a Multi-Gaussian Model. The model takes into account the user’s profile, the location and past actions. We evaluate the performance of our model for different resolutions in number of users, locations, the information which is associated with the location and time. We compare our model against baseline algorithms, which do not consider temporal and/or spatial information.
Το GPS χρησιμοποιείται για τον εντοπισμό του χρήστη όπου τα προτεινόμενα δεδομένα σχετίζονται με την τοποθεσία του σε εξωτερικούς χώρους. Από την άλλη πλευρά, το GPS δεν παρέχει ακρίβεια στον εντοπισμό του χρήστη σε εσωτερικούς χώρους οπότε και δεν μπορεί να λάβει πληροφορίες για τα αντικείμενα που βρίσκονται εντός κτιρίων. Έτσι, λοιπόν, για να λάβει πληροφορίες γι’αυτά τεχνολογίες όπως το Wi-Fi και το BLE είναι πιο ακριβείς όσον αφορά την ακρίβεια τοποθέτησης σε εσωτερικούς χώρους. Λόγω του δυνητικά μεγάλου όγκου πληροφοριών που περιέχονται σε εσωτερικούς χώρους και του γεγονότος ότι ένας χρήστης πλοηγείται σε εσωτερικούς χώρους σε αυτή τη διατριβή μελετάμε την ανάπτυξη ενός ακριβούς συστήματος συστάσεων που βασίζεται στην πλοήγηση σε εσωτερικό χώρο με βάση το χώρο, το χρόνο και το προφίλ του χρήστη. Αναπτύσοουμε ένα σύνθετο μοντέλο παραγοντοποίησης μητρών που συλλαμβάνει τη γεωγραφική επίδραση μιας θέσης που λαμβάνει υπόψιν τη γεωγραφική επίδραση του χρήστη με βάση τη τοποθεσία του εσωτερικά των κτιρίων, μοντελοποιώντας την πιθανότητα του χρήστη να ενδιαφέρεται για μια πληροφορία. Σημαντικός παράγοντας σε αυτό παίζει ο χρόνος, καθώς η πληροφορία που συνίσταται στο χρήστη είναι συναρτήσει με αυτό. Συνεπώς, το μοντέλο μας λαμβάνει υπόψιν το προφίλ, το ιστορικό, καθώς και την τοποθεσία του χρήστη.
Το GPS χρησιμοποιείται για τον εντοπισμό του χρήστη όπου τα προτεινόμενα δεδομένα σχετίζονται με την τοποθεσία του σε εξωτερικούς χώρους. Από την άλλη πλευρά, το GPS δεν παρέχει ακρίβεια στον εντοπισμό του χρήστη σε εσωτερικούς χώρους οπότε και δεν μπορεί να λάβει πληροφορίες για τα αντικείμενα που βρίσκονται εντός κτιρίων. Έτσι, λοιπόν, για να λάβει πληροφορίες γι’αυτά τεχνολογίες όπως το Wi-Fi και το BLE είναι πιο ακριβείς όσον αφορά την ακρίβεια τοποθέτησης σε εσωτερικούς χώρους. Λόγω του δυνητικά μεγάλου όγκου πληροφοριών που περιέχονται σε εσωτερικούς χώρους και του γεγονότος ότι ένας χρήστης πλοηγείται σε εσωτερικούς χώρους σε αυτή τη διατριβή μελετάμε την ανάπτυξη ενός ακριβούς συστήματος συστάσεων που βασίζεται στην πλοήγηση σε εσωτερικό χώρο με βάση το χώρο, το χρόνο και το προφίλ του χρήστη. Αναπτύσοουμε ένα σύνθετο μοντέλο παραγοντοποίησης μητρών που συλλαμβάνει τη γεωγραφική επίδραση μιας θέσης που λαμβάνει υπόψιν τη γεωγραφική επίδραση του χρήστη με βάση τη τοποθεσία του εσωτερικά των κτιρίων, μοντελοποιώντας την πιθανότητα του χρήστη να ενδιαφέρεται για μια πληροφορία. Σημαντικός παράγοντας σε αυτό παίζει ο χρόνος, καθώς η πληροφορία που συνίσταται στο χρήστη είναι συναρτήσει με αυτό. Συνεπώς, το μοντέλο μας λαμβάνει υπόψιν το προφίλ, το ιστορικό, καθώς και την τοποθεσία του χρήστη.
Περιγραφή
Λέξεις-κλειδιά
Recommender systems, Indoor navigation, Σύστημα σύστασης, Εσωτερική πλοήγηση
Θεματική κατηγορία
Recommender systems
Παραπομπή
Σύνδεσμος
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής
Όνομα επιβλέποντος
Μαμουλής, Νικόλαος
Εξεταστική επιτροπή
Μαμουλής, Νικόλαος
Πιτουρά, Ευαγγελία
Βασιλειάδης, Παναγιώτης
Πιτουρά, Ευαγγελία
Βασιλειάδης, Παναγιώτης
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Βιβλιογραφία: σ. 34-38
Ονόματα συντελεστών
Αριθμός σελίδων
46 σ.
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States