Please use this identifier to cite or link to this item:
Title: Ranking under near decomposability
Other Titles: Αλγόριθμοι και μοντέλα για την παραγωγή διανυσμάτων κατάταξης σε συνθήκες σχεδόν πλήρους αναλυσιμότητας
Authors: Νικολακόπουλος, Αθανάσιος Ν.
Keywords: Ranking
Link analysis
Top-N recommendation
Collaborative filtering
Dimensionality reduction
Markov chains
Non-negative matrix theory
Keywords (translated): Πρόβλημα παραγωγής διανυσμάτων κατάταξης
Αλυσίδες Μαρκόφ
Abstract: In this dissertation, we study the problem of Ranking in the presence of Sparsity focusing on two of the most important and generic ranking settings; namely Link Analysis and Top-N Recommendation. Building on the intuition behind Decomposability – the seminal work of the Nobel Laureate Economist and Turing Award winner Herbert A. Simon – we introduce a novel and versatile modeling approach that results to effective algorithmic frameworks for both application areas. The models and algorithms we propose are shown to possess a wealth of useful mathematical properties that imply favorable computational as well as qualitative characteristics. A comprehensive set of experiments on several real-world datasets verify the applicability of our methods in big-data scenarios as well as their promising performance in achieving high-quality results with respect to state-of-the-art link-analysis and recommendation algorithms.
Abstract (translated): Μελετούμε το πρόβλημα παραγωγής διανυσμάτων κατάταξης επί χώρων που εμφανίζουν σημαντική αραιότητα, εστιάζοντας σε δύο από τις πιο γενικές και σημαντικές ερευνητικές περιοχές: την Κατάταξη Κόμβων Γραφημάτων μέσω Συνδεσμοανάλυσης (Link-Analysis Ranking), και την Παραγωγή Προσωποποιημένων Top-N Συστάσεων (Top-N Recommendation). Χτίζοντας διαισθητικά επί της γόνιμης εργασίας του Νομπελίστα Οικονομολόγου και κάτοχου του βραβείου Turing, Herbert A. Simon (Near Decomposability), εισάγουμε μία καινοτόμο και πρωτεϊκή μοντελοποιητική προσέγγιση, η οποία οδηγεί σε αποτελεσματικά αλγοριθμικά πλαίσια και για τις δύο ερευνητικές περιοχές. Δείχνουμε πως τα μοντέλα και οι αλγόριθμοι που προτείνουμε διαθέτουν πληθώρα χρήσιμων μαθηματικών ιδιοτήτων που συνεπάγονται ευνοϊκά υπολογιστικά και ποιοτικά χαρακτηριστικά. Τέλος, πραγματοποιούμε εκτεταμένο αριθμό πειραμάτων επί μεγάλου πλήθους σύνολων δεδομένων προερχόμενων από αληθινά συστήματα, τα οποία επιβεβαιώνουν τόσο την εφαρμοσιμότητα των μεθόδων μας σε σενάρια υψηλού όγκου δεδομένων, όσο και την υπέρτερη ποιοτικά επίδοσή τους έναντι state-of-the-art αλγορίθμων συνδεσμοανάλυσης και παραγωγής συστάσεων.
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΔ)

Files in This Item:
File Description SizeFormat 
Nikolakopoulos-PhDThesis.pdfDoctoral Dissertation1.02 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.