Hibrit öğrenme yaklaşımıyla parfüm segmentasyonu ve sınıflama modeli
Perfume segmentation and classification model using a hybrid learning approach
- Tez No: 1020157
- Danışmanlar: DR. ÖĞR. ÜYESİ OLCAY ALPAY
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sinop Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Parfüm gibi hedonik ürünlerde değer, yalnızca teknik özelliklerden değil, kullanıcıların duygu, algı ve deneyimlerinden de oluşmaktadır. Dijital platformlarda parfümlere ilişkin geniş ölçekli içerik ve meta veri bulunmasına rağmen, güvenilir segment etiketlerinin çoğu zaman mevcut olmaması denetimli öğrenme yöntemlerinin doğrudan uygulanmasını zorlaştırmaktadır. Tezde, etiketsiz parfüm verilerinden içerik temelli gizli segment yapılarını keşfetmek, bu segmentleri sözde etiketler olarak kullanarak denetimli sınıflandırma modelleriyle yeniden üretilebilirliklerini değerlendirmek ve kullanıcı puanları açısından anlamlı biçimde ayrışıp ayrışmadıklarını incelemek amaçlanmıştır. Bu kapsamda çalışma, denetimsiz ve denetimli öğrenme aşamalarını birleştiren hibrit bir makine öğrenmesi yaklaşımı olarak tasarlanmıştır. Çalışmada Fragrantica platformundan elde edilen 24063 parfüme ait veri seti kullanılmıştır. Yüksek boyutlu özellik uzayı önce Truncated SVD ile 50 bileşene indirgenmiş, ardından UMAP ile 15 boyutlu temsil uzayına aktarılmıştır. Bu temsil uzayı üzerinde HDBSCAN algoritması uygulanmış ve parfümler üç ana içerik temelli koku segmenti altında kümelenmiştir. Kümeler, sınıflandırma modellerinin eğitimi için sözde etiket olarak kullanılmıştır. LightGBM, Random Forest, XGBoost ve SGDClassifier modelleri bu etiketlerle eğitilmiş; sınıf dengesizliğinin etkisini azaltmak amacıyla SMOTETomek yöntemi uygulanmıştır. Otuz tekrarlı deneysel süreç sonucunda, sözde segment etiketlerinin denetimli modeller tarafından yüksek tutarlılıkla yeniden üretilebildiği görülmüştür. Ortalama ARI değerlerinin 0,970–0,972 aralığında, NMI ve AMI değerlerinin ise 0,942–0,947 aralığında olması, oluşturulan etiket yapısının denetimli sınıflandırma modelleri tarafından yüksek tutarlılıkla yeniden üretilebildiğini göstermektedir. Segmentlerin kullanıcı değerlendirmeleri açısından farklılaşıp farklılaşmadığı Kruskal-Wallis ve Dunn testleriyle incelenmiştir. H = 638,096 ve p < 0,001 olan Kruskal-Wallis testi sonucu, segmentler arasında istatistiksel olarak anlamlı farklılıklar olduğunu göstermiş ve Dunn testi sonuçları da bu bulguyu desteklemiştir. Son olarak, geliştirilen yaklaşımın uygulamadaki kullanımını göstermek amacıyla hipotetik bir parfüm profili üzerinden segment ve kullanıcı puanı tahmini örneği sunulmuştur. Bu tez, hedonik ürün segmentasyonunda denetimsiz öğrenme, sözde etiketleme ve denetimli sınıflandırmanın birlikte kullanılabileceğini göstererek kişiselleştirme sistemleri, ürün portföyü analizi ve katalog yönetimi için uygulanabilir bir modelleme yaklaşımı sunmaktadır. ANAHTAR KELİMELER Hibrit öğrenme; hedonik ürünler; parfüm segmentasyonu; sözde etiketleme; kullanıcı puanları
Özet (Çeviri)
For hedonic products such as perfume, value is derived not only from technical attributes but also from users' emotions, perceptions, and experiences. Although large-scale content and metadata related to perfumes are available on digital platforms, the frequent absence of reliable segment labels makes it difficult to directly apply supervised learning methods. This thesis aims to discover content-based latent segment structures from unlabeled perfume data, evaluate their reproducibility using supervised classification models by treating these segments as pseudo-labels, and examine whether they differ meaningfully in terms of user ratings. The dataset used in the study consists of 24063 perfumes obtained from the Fragrantica platform. The high-dimensional feature space was first reduced to 50 components using Truncated SVD and then mapped into a 15-dimensional representation space using UMAP. HDBSCAN was applied to this representation space, and the perfumes were clustered into three main content-based scent segments. These clusters were used as pseudo-labels for training LightGBM, Random Forest, XGBoost, and SGDClassifier models. To reduce the effect of class imbalance, the SMOTETomek method was applied. As a result of 30 repeated experimental runs, the pseudo-segment labels were reproduced with high consistency by the supervised models. The average ARI values ranged between 0.970 and 0.972, while the NMI and AMI values ranged between 0.942 and 0.947. These results indicate that the generated label structure can be consistently reproduced by supervised classification models. User rating differences among the segments were examined using the Kruskal-Wallis and Dunn tests. The Kruskal-Wallis test result of H = 638.096 and p < 0,001 indicated statistically significant differences among the segments, and Dunn test results further supported this finding. Finally, a hypothetical perfume profile was used to demonstrate segment and user rating prediction. This thesis offers an applicable modeling approach for personalization systems, product portfolio analysis, and catalog management. KEYWORDS Hybrid learning; hedonic products; perfume segmentation; pseudo-labeling; user ratings
Benzer Tezler
- Dikkat mekanizmalarına dayalı hibrit derin öğrenme yaklaşımıyla üç boyutlu mr verilerinde beyin tümörü bölütlemesi
Brain tumor segmentation in three-dimensional mri data using a hybrid deep learning approach based on attention mechanisms
HATİCE KARAÇAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH OKUMUŞ
- Derin öğrenme ve makine öğrenmesi ile savunma sistemlerinde manevra tiplerinin hibrit olarak sınıflandırılması
Hybrid classification of maneuver types in defense systems using deep learning and machine learning
TUĞBERK YÖNET
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR DEMİR
PROF. DR. AHMET EMİN KUZUCUOĞLU
- Gaziantep'te PM2.5 konsantrasyonunun zamansal ve mekânsaltahminine yönelik transfer öğrenme destekli hibrit yapay zeka modelleri
Spatio-temporal estimation of PM2.5 concentrations in gaziantepusing transfer learning-based hybrid artificial intelligence models
TÜRKAN ZENGİN GÖMLEKSİZ
Yüksek Lisans
Türkçe
2025
Meteorolojiİstanbul Teknik Üniversitesiİklim Bilimi ve Meteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN TOROS
- Network and server intrusion detection augmented with hybrid detection enhancements through deep learning
Derin öğrenme aracılığıyla hibrit tespit geliştirmeleriyle ağ ve sunucu giriş tespiti
DANYA AHMED SHEHAB ALALWAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYCA KURNAZ TURKBEN
- Neutro-Swin-GNN: maymun çiçeği tanısı için nötrosofik tabanlı hibrit swin dönüştürücü ve grafik sinir ağı modeli
Neutro Swin-GNN: a neutrosophic set-based hybrid swin transformer and graph neural network model for monkeypox diagnosis
MİYASE ÇOBAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ESER SERT