Doğal Dil İşleme Temelli İçeriğe Duyarlı Bir ürün öneri Sistemi Geliştirilmesi
Developing a Content-Aware Product Recommendation System Based on Natural Language Processing
- Tez No: 1016838
- Danışmanlar: PROF. DR. SEDA TOLUN TAYALI
- Tez Türü: Doktora
- Konular: İşletme, Yönetim Bilişim Sistemleri, Business Administration, Management Information Systems
- Anahtar Kelimeler: Doğal dil işleme, Öneri sistemleri, Natural language processing, Suggestion systems
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Sayısal Yöntemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, moda e-ticaretinde kişiselleştirme ve öneri kalitesini arttırmak amacıyla modüler ve çok katmanlı bir hibrit öneri sistemi mimarisi sunmaktadır. Sistem; kullanıcılar arası ve ürünler arası benzerlikleri, SBERT tabanlı metin uzayında tarz temelli kullanıcı-ürün eşleşmelerini ve oturumdan türetilmiş birlikte satın alım sinyallerini bütünleştirmektedir. Her katman bağımsız olarak skor üretmekte; bu skorlar ortak bir ölçeğe normalize edilerek ağırlıklı biçimde tek bir sıralama puanına dönüştürülmektedir. Metinsel sinyaller alan uyarlamalı SBERT üzerinden, yapılandırılmış sinyaller ise demografik ve ürün özelliklerinden elde edilmektedir. Değerlendirme, H&M veri kümesi üzerinde kullanıcı bazında makro ortalama alınan Precision@12, Recall@12, F1@12, MAP@12, NDCG@12 ve MRR@12 metrikleriyle çevrimdışı olarak yürütülmüştür. Bulgular, kullanıcılar arası katmanda hibrit temsilin tüm metriklerde üstünlük sağladığını; ürünler arası katmanda ise kısa ve formülleşmiş içerikler nedeniyle metne dayalı temsilin sınırlı kaldığını, yapılandırılmış özniteliklerin daha belirleyici olduğunu ortaya koymaktadır. Tarz katmanı sıralama kalitesini doğrudan iyileştirirken, birlikte satın alım katmanı birleşimde çeşitlilik ve sepet uyumu göstergelerini arttırmaktadır. Doğruluk, kapsam ve isabetlilik arasında dengeli bir ağırlık dağılımı belirlemek için Pareto optimal analiz uygulanmış; seçilen konfigürasyon (w=0.30, 0.30, 0.20, 0.20) 200.000 kullanıcılık doğrulama örnekleminde MAP@12 = 0.4363 ve NDCG@12 = 0.5281 değerlerine ulaşmıştır. Çalışma; açıklanabilir bir hibrit çatı, veri temelli ağırlıklandırma ve ölçekte tutarlı kazanımlar sunmaktadır. Gelecek çalışmalarda çevrimiçi A/B testleri, öğrenilebilir ağırlıklar, zaman boyutunun modellenmesi ve görsel modalitenin eklenmesi önerilmektedir.
Özet (Çeviri)
This thesis presents a modular, multi-layered hybrid recommendation system architecture designed to improve personalization and recommendation quality in fashion e-commerce. The system integrates user-user and item-item similarities, style-based user-item matching in an SBERT-based text space, and co-purchase signals derived from sessions. Each layer independently generates a score; scores are normalized to a common scale and combined into a single weighted ranking score. Textual signals are obtained via domain-adapted SBERT, while structured signals are derived from demographic and product attributes. Evaluation was conducted offline on the H&M dataset using six macro-averaged user-level metrics: Precision@12, Recall@12, F1@12, MAP@12, NDCG@12, and MRR@12. Results show that hybrid representation outperforms all baselines in the user-user layer, whereas in the item-item layer, text-based representations remain limited due to short and formulaic product descriptions, with structured attributes proving more discriminative. The style layer directly improves ranking quality, while the co-purchase layer enhances diversity and basket compatibility in the combined output. Pareto-optimal analysis was applied to determine a balanced weight distribution across accuracy, coverage, and precision; the selected configuration (w=0.30, 0.30, 0.20, 0.20) achieved MAP@12 = 0.4363 and NDCG@12 = 0.5281 on a 200,000-user validation sample. The study offers an explainable hybrid framework with domain-adapted SBERT, data-driven weighting, and consistent gains at scale. Future work includes online A/B testing, learnable weight mechanisms, explicit temporal modeling, and the integration of visual modalities.
Benzer Tezler
- Transformer-based vision-language frameworks: A cross-domain study from video captioning to medical report generation
Transformatör tabanlı görsel-dil çerçeveleri: Video altyazılamadan tıbbi rapor üretimine disiplinlerarası bir çalışma
BENGÜ FETİLER
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN KILIÇ
- Doğal dil işleme tekniklerini kullanarak Türkçe metinlerden bilgi çıkarımı
Extracting information from Turkish texts using natural language processing techniques
FURKAN BAĞIRGAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEYZA GÖRKEMLİ
- Ham petrol ve doğal gaz piyasası dinamiklerinin metin madenciliği yaklaşımı ile analizi
Analysis of crude oil and natural gas market dynamics through a text mining approach
NURTEN ULUSAY
Doktora
Türkçe
2025
EkonomiNevşehir Hacı Bektaş Veli Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. SERAP ÇOBAN
- Learning based image and video editing
Öğrenme temelli görüntü ve video düzenleme
LEVENT KARACAN
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ERKUT ERDEM
- Rasa chatbot integrated with natural language processing for apartment price prediction supported by web content mining
Web içeriği madenciliği tarafından desteklenen konut fiyat tahmini ile entegre edilen doğal dil işleme tabanlı rasa sohbet botu
SADİG HUSEYNLİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT ÖZEKES