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
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
προτιμήσεων των χρηστών, με βάση τη βαθμολογίες τους (στην περίπτωση των επισκεπτών) ή των
επιλογών τους (στην περίπτωση των κατασκευαστών των αφηγήσεων), και (β) στν μοντέλοποίηση των
ίδιων των αντικειμένων (εκθεμάτων) με βάση τα tags που τους έχουν αποδοθεί. Η έρευνα μελλοντικά
θα κατευθύνεται κυρίως ως προς την βελτίωση της αναπαράστασης των αντικειμένων μέσω πιο
περιεκτικών και αποδοτικών αναπαραστάσεων, εξετάζοντας τη πιθανότητα Transfer Learning από
σχετικά μοντέλα Νευρωνικών δικτύων που αφορούν παρόμοιας φύσης αντικείμενα (π.χ. Word2Vec
στην περίπτωση κειμένων, ή ResNet50 στην περίπτωση εικόνων και φωτογραφικού υλικού, κλπ). Ο
στόχος είναι η εξαγωγή χαρακτηριστικών από το κάθε αντικείμενο, το οποίο θα περιέχει πληροφορία
που θα σχετίζεται με την πολιτιστικά χαρακτηριστικά (π.χ. φύση, την τεχνοτροπία, την εποχή, κλπ)
αλλά και κοινωνικά χαρακτηριστικά (όπως στερεότυπα, κλπ) τα οποία επηρεάζουν είτε θετικά είτε
αρνητικά επισκέπτες διάφορων ευαίσθητων κοινωνικών ομάδων. Στόχος της έρευνας αυτής είναι η
υποστήριξη των κοινωνικών ομάδων μέσω των συστάσεων και των προσωποποιημένων υπηρεσιών
απαλλαγμένων από πιθανά κοινωνικά στερεότυπα που εμπλέκονται πολλές φορές.
Χρηματοδότηση
Το έργο «ΑΦΗΓΗΣΗ: Ολοκληρωμένο σύστημα διαχείρισης & Επιμέλειας Ψηφιακού περιεχομένου &
παραγωγής αφηγήσεων», στο πλαίσιο του οποίου διεξήχθη και η έρευνα σε αυτή την δημοσίευση,
υλοποιήθηκε στο πλαίσιο της Δράσης ΕΡΕΥΝΩ – ΔΗΜΙΟΥΡΓΩ - ΚΑΙΝΟΤΟΜΩ και
συγχρηματοδοτήθηκε από την Ευρωπαϊκή Ένωση και εθνικούς πόρους μέσω του Ε.Π.
Ανταγωνιστικότητα, Επιχειρηματικότητα & Καινοτομία (ΕΠΑνΕΚ) (κωδικός έργου: T1ΕΔΚ-03584).
Βιβλιογραφία
Ξενόγλωσση
1. Hoyeop Lee, Jinbae Im, Seongwon Jang, Hyunsouk Cho, Sehee Chung, “MeLU: Meta-Learned User
Preference Estimator for Cold-Start Recommendation”, https://arxiv.org/abs/1908.00413 (2019).
2. Maehara C., Yatsugi K., Kim D., Ushiama T. (2012) An Exhibit Recommendation System Based on
Semantic Networks for Museum. In: Watanabe T., Jain L.C. (eds) Innovations in Intelligent Machines
– 2. Studies in Computational Intelligence, vol 376. Springer, Berlin, Heidelberg.
https://doi.org/10.1007/978-3-642-23190-2_10
3. Ivan Keller, Emmanuel Viennet, “Recommender Systems for Museums: Evaluation on a Real
Dataset”, IMMM 2015 : The Fifth International Conference on Advances in Information Mining and
Management
4. Jian Wei, Jianhua He, Kai Chen, Yi Zhou, Zuoyin Tang, “Collaborative filtering and deep learning
based recommendation system for cold start items”, Expert Systems With Applications 69, Elsevier
2017
870