Please use this identifier to cite or link to this item: http://ktisis.cut.ac.cy/handle/10488/11090
DC FieldValueLanguage
dc.contributor.advisorTsapatsoulis, Nicolas-
dc.contributor.authorΑγαθοκλέους, Μαριλένα-
dc.date.accessioned2018-06-04T09:10:53Z-
dc.date.available2018-06-04T09:10:53Z-
dc.date.issued2018-05-30-
dc.identifier.urihttp://ktisis.cut.ac.cy/handle/10488/11090-
dc.descriptionΤα Συστήματα Συστάσεων (ΣΣ) είναι μέθοδοι και εργαλεία λογισμικού που κάνουν προτάσεις για προϊόντα και υπηρεσίες προς πιθανούς ενδιαφερόμενους χρήστες. Οι Ηλεκτρονικοί Σύμβουλοι Ψήφου (Voting Advice Applications - VAAs) είναι online εργαλεία, τα οποία συγκρίνουν τις πολιτικές απόψεις των χρηστών με τις πολιτικές θέσεις των πολιτικών κομμάτων ή υποψηφίων και, έμμεσα, προτείνουν στο χρήστη τον υποψήφιο ή το κόμμα που έχει όμοιες απόψεις μαζί του. Η παρούσα διατριβή κατα- πιάνεται με τη χρήση τεχνικών και μεθοδολογιών από τα Συστήματα Συστάσεων στην πανευρωπαϊκή εφαρμογή ηλεκτρονικού συμβούλου ψήφου “EUvox” 1, για τη διερεύνηση συγκεκριμένων ερευνητικών ερωτημάτων. Αρχικά γίνεται εισαγωγή στο θέμα, στο σκοπό και στους στόχους της διατριβής. Ακολου- θεί αναφορά στην υπάρχουσα βιβλιογραφία σχετικά με τα ΣΣ και τα VAAs. Η υπόλοιπη εργασία πα- ρουσιάζει τη μεθοδολογία που χρησιμοποιήθηκε και τα πειράματα με τη σειρά που διεξήχθησαν για να απαντήσουν τα ερευνητικά ερωτήματα. Γίνεται σχολιασμός των αποτελεσμάτων και σύγκριση με την υπάρχουσα έρευνα. Τα αποτελέσματα έδειξαν μεταξύ άλλων πως οι μη γραμμικές μέθοδοι αποδίδουν καλύτερα από άλ- λες τεχνικές μηχανικής μάθησης, καθώς επίσης η χρήση συμπληρωματικών ερωτήσεων αυξάνει την από- δοση της πρόβλεψης ψήφου. Τεχνικές παραγοντοποίησης πινάκων μπορούν να εφαρμοστούν με μεγάλη επιτυχία για την εκτίμηση των συμπληρωματικών ερωτήσεων που δεν απαντήθηκαν από τους χρήστες. Υπάρχει ανομοιογένεια εντός των κομμάτων, ενώ παρατηρούνται πολλοί χρήστες να δίνουν όμοιες απα- ντήσεις με άλλους χρήστες που υποστηρίζουν διαφορετικά κόμματα. Όσον αφορά την ταυτότητα του Ευρωπαίου ψηφοφόρου, φαίνεται να είναι άντρας, νέος, με υψηλή μόρφωση και μεγάλο ενδιαφέρον για την πολιτική. Οι άντρες χρήστες που είναι μορφωμένοι τείνουν να ενδιαφέρονται περισσότερο για την πολιτική από ότι οι γυναίκες ή αυτοί με χαμηλό μορφωτικό επίπεδο. Καθώς επίσης η ηλικιακή ομάδα φαίνεται να μην αποτελεί σημαντικό παράγοντα για το ενδιαφέρον του χρήστη προς την πολιτική.en_US
dc.description.abstractRecommender Systems (RSs) are software tools and techniques that make suggestions for products and services to potentially interested users. Voting Advice Applications (VAAs) are online tools that compare the political views of users with the political positions of political parties or candidates and indirectly suggest to the user the candidate or party with similar views. This thesis uses techniques and methods from RSs to the EU-wide VAA “EUvox” 2 to explore specific research questions. At the beginning, the subject, purpose and objectives of the thesis are introduced. Then, reference is made to the existing literature on RSs and VAAs. The rest of the work presents the methodology used and the experiments conducted in order to answer the research questions. The results of the experiments are compared to the existing research. The results showed, among other things, that non-linear methods perform better than other machine learning techniques, and the use of supplementary questions increases the performance of the voting prediction. Matrix factorization techniques can be implemented with great success in estimating supplementary questions that were not answered by users. There is heterogeneity within the parties, and many users give similar responses with other users who support different parties. As far as the identity of the European voter is concerned, he seems to be a man, young, highly educated and very interested in politics. Male educated users tend to be more interested in politics than women or those with a low level of education. As well as the age group does not seem to be an important factor for the user’s interest in politics.en_US
dc.formatpdfen_US
dc.language.isoelen_US
dc.publisherΤμήμα Επικοινωνίας και Σπουδών Διαδικτύου, Σχολή Επικοινωνίας και Μέσων Ενημέρωσης, Τεχνολογικό Πανεπιστήμιο Κύπρουen_US
dc.rightsΑπαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων.en_US
dc.subjectRecommender systemsen_US
dc.subjectVoting advice applicationsen_US
dc.subjectCollaborative filteringen_US
dc.subjectMachine learningen_US
dc.subjectSupport vector machinesen_US
dc.subject.otherΣυστήματα συστάσεωνen_US
dc.subject.otherΗλεκτρονικοί σύμβουλοι ψήφουen_US
dc.subject.otherΣυνεργατικό φιλτράρισμαen_US
dc.subject.otherΜηχανική μάθησηen_US
dc.subject.otherΜηχανές διανυσμάτων υποστήριξηςen_US
dc.titleΣυστήματα συστάσεων σε ηλεκτρονικούς συμβούλους ψήφουen_US
dc.typePhD Thesisen_US
dc.affiliationCyprus University of Technologyen_US
dc.description.statusCompleteden_US
cut.common.academicyear2017-2018en_US
Appears in Collections:Διδακτορικές Διατριβές/ PhD Theses
Files in This Item:
File Description SizeFormat 
MarilenaThesis.pdfFulltext23.58 MBAdobe PDFView/Open
Show simple item record

Page view(s)

36
checked on Jun 18, 2018

Download(s) 50

11
checked on Jun 18, 2018

Google ScholarTM

Check


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