Διαδραστικά συστήματα συστάσεων υποβοηθούμενα από τεχνικές ενισχυτικής μάθησης

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Διαδραστικά συστήματα συστάσεων υποβοηθούμενα από τεχνικές ενισχυτικής μάθησης (EL)
Reinforcement Learning Based Recommender Systems (EN)

Μανδηλαρά, Ιωάννα (EL)
Mandilara, Ioanna (EN)

ntua (EL)
Παπαβασιλείου, Συμεών (EL)
Ματσόπουλος, Γεώργιος (EL)
Βαρβαρίγου, Θεοδώρα (EL)

masterThesis

2022-10-05T10:37:58Z
2022-05-13


Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση" (EL)
Στις μέρες μας, η ανάπτυξη των Κοινωνικών και Συναισθηματικών ικανοτήτων των μαθητών είναι ζωτικής σημασίας λόγω του σημαντικού μέρους του χρόνου που περνούν στο σχολείο κατά την διάρκεια ευαίσθητων περιόδων ανάπτυξης της συναισθηματικής νοημοσύνης τους. Οι κοινωνικο-συναισθηματικές δεξιότητες βοηθούν τους μαθητές να διαχειρίζονται με επιτυχία την καθημερινή τους ζωή βελτιώνοντας τις μαθησιακές και κοινωνικές δυσκολίες τους . Αυτό προτρέπει στην δημιουργία εργαλείων που θα βοηθούν τους καθηγητές να ολοκληρώνουν δραστηριότητες κοινωνικής και συναισθηματικής μάθησης και να αξιολογούν τον αντίκτυπο που επιτυγχάνεται. Ως εκ τούτου, για την αντιμετώπιση των προαναφερθείσων αναγκών, ο συνδυασμός συστημάτων συστάσεων με τεχνικές μηχανικής μάθησης μπορεί να αποδειχθεί ευεργετικός στη δημιουργία έξυπνων και αυτο-εκπαιδευτικών εργαλείων, ικανών να προτείνουν δραστηριότητες που εστιάζουν στις κοινωνικές και συναισθηματικές ανάγκες των εκπαιδευτικών ομάδων. Ειδικότερα, τα συστήματα συστάσεων που βασίζονται στην Ενισχυτική Μάθηση (RL) έχουν γίνει ένα αναδυόμενο ερευνητικό θέμα τα τελευταία χρόνια. Το γεγονός ότι η βαθιά ενισχυτική μάθηση αξιοποιεί τη ικανότητα μάθησης των βαθιών νευρωνικών δικτύων για την αντιμετώπιση προβλημάτων, που ήταν πολύ περίπλοκα για τις κλασικές τεχνικές \en{RL}, οδηγεί στην ανάπτυξη βελτιωμένων διαδραστικών συστημάτων συστάσεων. Στο τρέχον χειρόγραφο, περιγράφουμε λεπτομερώς ένα σύστημα συστάσεων βασισμένο σε RL που στοχεύει στην σύσταση εκπαιδευτικών δραστηριοτήτων στους δασκάλους, προκειμένου να βελτιώσει τις κοινωνικο-συναισθηματικές ικανότητες των μαθητών, αξιοποιώντας τους αλγόριθμους Deep RL. Στη συνέχεια, παρουσιάζουμε τα αποτελέσματα εκπαίδευσης και αξιολόγησης αυτού του διαδραστικού συστήματος συστάσεων, που παράγονται από την εφαρμογή αλγορίθμων Deep RL, όπως Advantage Actor to Critic, Trust Region Policy Optimization και Proximal Policy Optimization. (EL)
Nowadays, the development of Social and Emotional competences of students is vital due to the significant portion of time they spend in school during sensitive periods of brain development. Socio-emotional skills help students successfully manage everyday life by improving their learning and social outcomes. This prompts for tools to help tutors in accomplishing social and emotional learning activities and evaluating the impact achieved. Therefore, to address the aforementioned needs, the combination of recommendation systems with machine learning techniques can prove beneficial in creating intelligent and self-learning tools capable of recommending activities focusing on the social and emotional needs of educational groups. In particular, Reinforcement Learning (RL) based recommender systems have become an emerging research topic in recent years. The fact that deep reinforcement learning leverages the learning capacity of deep neural networks to tackle problems that were too complex for classic RL techniques lead to the development of enhanced interactive recommender systems. In the current manuscript, we detail an RL based recommender system that aims to recommend educational activities to teachers, in order to improve the social-emotional competences of students, taking advantage of Deep RL algorithms. Then, we present the results of training and evaluation of this interactive recommendation system, produced by the implementation of Deep RL algorithms, such as Advantage Actor to Critic, Trust Region Policy Optimization and Proximal Policy Optimization. (EN)


Ενισχυτική μάθηση (EL)
Σύστημα σύστασης (EL)
Εκπαίδευση (EL)
Βαθιά μηχανική μάθηση (EL)
Recommender Systems (EN)
Education (EN)
Deep machine learning (EN)
Policy gradient μέθοδοι (EN)
Policy gradient methods (EN)
Reinforcement Learning (EN)

Ελληνική γλώσσα

Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (EL)

Default License




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.