26.07.2022 Views

ΠΡΑΚΤΙΚΑ 4ου ΠΑΝΕΛΛΗΝΙΟΥ ΣΥΝΕΔΡΙΟΥ ΨΗΦΙΟΠΟΙΗΣΗΣ ΠΟΛΙΤΙΣΤΙΚΗΣ ΚΛΗΡΟΝΟΜΙΑΣ –EUROMED 2021

Το συνέδριο πραγματοποιήθηκε στην Ελλάδα 30 – 3 Οκτωβρίου 2021, στην Αθήνα, στις υπερσύγχρονες εγκαταστάσεις του Εργαστηρίου Μη - Καταστροφικών Ελέγχων και Μεθοδολογιών Διάγνωσης Συστημάτων, Πανεπιστημιούπολη 2-Αιγάλεω Αττικής. Copyright: Δίκτυο «ΠΕΡΡΑΙΒΙΑ» Α΄ Έκδοση: Ιούνιος 2022 Για την Ελληνική Γλώσσα: Δίκτυο «ΠΕΡΡΑΙΒΙΑ» Γλώσσες: Ελληνική (gre) Γλώσσα πρωτοτύπου: Ελληνική (gre) ISBN: 978-618-85119-1-0 Επιμέλεια- Υπεύθυνος: ΚΩΝ. ΣΚΡΙΑΠΑΣ-ΔΙΚΤΥΟ «ΠΕΡΡΑΙΒΙΑ» E-Mail: perrevianet@gmail.com ΤΗΛΕΦΩΝΑ ΕΠΙΚΟΙΝΩΝΙΑΣ: +30-6974-881944 FAX: +30-24210-71200 Διεύθυνση Αλληλογραφίας: Κωνσταντά 247-249 -ΒΟΛΟΣ (Τ.Κ. 38 222) E-Mail: euromed.greece@gmail.com

Το συνέδριο πραγματοποιήθηκε στην Ελλάδα 30 – 3 Οκτωβρίου 2021, στην Αθήνα, στις υπερσύγχρονες εγκαταστάσεις του Εργαστηρίου Μη - Καταστροφικών Ελέγχων και Μεθοδολογιών Διάγνωσης Συστημάτων, Πανεπιστημιούπολη 2-Αιγάλεω Αττικής.

Copyright: Δίκτυο «ΠΕΡΡΑΙΒΙΑ»
Α΄ Έκδοση: Ιούνιος 2022

Για την Ελληνική Γλώσσα: Δίκτυο «ΠΕΡΡΑΙΒΙΑ»
Γλώσσες: Ελληνική (gre)
Γλώσσα πρωτοτύπου: Ελληνική (gre)

ISBN: 978-618-85119-1-0

Επιμέλεια- Υπεύθυνος: ΚΩΝ. ΣΚΡΙΑΠΑΣ-ΔΙΚΤΥΟ «ΠΕΡΡΑΙΒΙΑ»
E-Mail: perrevianet@gmail.com
ΤΗΛΕΦΩΝΑ ΕΠΙΚΟΙΝΩΝΙΑΣ: +30-6974-881944 FAX: +30-24210-71200
Διεύθυνση Αλληλογραφίας: Κωνσταντά 247-249 -ΒΟΛΟΣ (Τ.Κ. 38 222)
E-Mail: euromed.greece@gmail.com

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

4 ο Πανελλήνιο Συνέδριο Ψηφιοποίησης Πολιτιστικής Κληρονομιάς

EUROMED 2021, 30/9 - 3/10/2021

Εικόνα 1 Παράδειγμα γράφου συνάφειας αντικειμένων με βάση τα tags.

Μοντέλο πρόβλεψης επόμενου item κατά τη δημιουργία ιστορίας.

Κατά τη δημιουργία μιας αφήγησης ο κατασκευαστής επιλέγει σταδιακά ένα - ένα από τα διαθέσιμα

πολυμεσικά αντικείμενα, χτίζοντας σταδιακά το γράφο της κάθε αφήγησης. Ο στόχος του ΣΕΣ στην

περίπτωση αυτή είναι να υποστηρίξει τη δημιουργία της κάθε αφήγησης με το να προτείνει στον κάθε

χρήστη υποψήφια αντικείμενα, τα οποία θα ταίριαζαν σε μεγάλο βαθμό με την εξέλιξη της αφήγησης

κάθε χρονική στιγμή, λαμβάνοντας υπ’ όψιν τις προηγούμενες επιλογές του χρήστη, τις επιλογές και

αφηγήσεις άλλων χρηστών, καθώς και την ομοιότητα των αντικειμένων.

Στη φάση αυτή το υποσύστημα αποτελείται από 2 τμήματα: (α) Το LSTM (Long Short Term Memory)

time-series forecasting μοντέλο, όπου η ανάπτυξη της κάθε αφήγησης φορμαλίζεται ως μία χρονοσειρά

αντικειμένων και ο στόχος είναι η πρόβλεψη του επόμενου στοιχείου της χρονοσειράς

(συμπεριλαμβανομένου και το τέλος μιας αφήγησης) yt+1 (εκτιμώμενο xt+1) μετά από κάθε xt. (β) Το

TopN similar items prediction, το οποίο παράγει παρόμοια αντικείμενα με το προτεινόμενο αντικείμενο

του LSTM μοντέλου.

Το LSTM μοντέλο αποτελείται από ένα LSTM cell με 50 units και την συνάρτηση ReLU για activation

function, και ένα linear (χωρίς activation) Full Connected layer με αριθμό units όσο είναι το πλήθoς

των predetermined tags. Το μοντέλο αποτελεί one-to-one sequence model, όπου για κάθε yt to label

αποτελεί το xt+1. Η είσοδος και η έξοδος του μοντέλου αποτελείται από την αναπαράσταση του κάθε

αντικειμένου στον χωρο των tags. Στη συνέχεια, κάθε πρόβλεψη του LSTM τροφοδοτείται στο TopN

similarity μοντέλο με σκοπό τον υπολογισμό Ν προτεινόμενων αντικειμένων, όμοιων με τα εκτιμόμενα

αντικείμενα από το LSTM. Στην περίπτωση που τα δεδομένα είναι πολύ sparse ή δεν υπάρχουν

καθόλου, τα προτεινόμενα αντικείμενα γίνονται μόνο με βάση των item similarity. O έλεγχος αυτός

γίνεται με βάση το performance του LSTM κατά την φάση της εκπαίδευσής του, η οποία φάση αυτή

γίνεται περιοδικά και ασύγχρονα με την ροή της φάσης των συστάσεων.

866

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!