A content boosted collaborative filtering approach for movie recommendation based on local and global user similarity and missing data prediction
Film önerme sistemlerinde eksik veri tahmini ve lokal ve global benzerlik metodlarını birleştiren içerik destekli kolaboratif filtreleme yaklaşımı
- Tez No: 255349
- Danışmanlar: DOÇ. DR. FERDA NUR ALPASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 105
Özet
Son zamanlarda, dünya çapındaki ağın (WWW) içerdiği bilgi alanı ve bu alandaki kullanıcı sayısı açısından hızla büyümeye başlaması, web tabanlı sistemlerin gerekli bilgiyi oluşturup kullanıcılarına sunmasını giderek zorlaştırmaktadır. Bunun yanında, günümüz dünyasındaki birçok system ve yaklaşım, sundukları öneriler sayesinde insanların makale, haber, kitap, müzik ve film gibi birçok dalda kendilerine uygun seçeneklerle ilgili karar vermelerine yardımcı olmaktadır. Ancak geleneksel yöntemlerden yararlanan birçok sistem, önerme işlemleri sırasında kullanılan veri seyrek olduğunda başarısız olmaktadır. Başka bir deyişle, sistemde yetersiz sayıda nesne veya kullanıcının bulunması, yetersiz önerilerin üretilmesine yol açmaktadır.Bu tez kapsamında, içerik destekli kolaboratif filtreleme yaklaşımı kullanan, ReMovender isimli bir web tabanlı film önerme sistemi tanıtılacaktır. ReMovender, veri eksikliği problemini etkili bir şekilde çözme amacıyla local/global benzerlik ve eksik veri tahmini metodlarını birleştirmektedir. Bunun yanı sıra, film benzerliği hesaplamalarında filmlerin içeriklerini de göz önünde bulundurarak daha başarılı ve gerçekçi tahminler elde etmektedir.
Özet (Çeviri)
Recently, it has become more and more difficult for the existing web based systems to locate or retrieve any kind of relevant information, due to the rapid growth of the World Wide Web (WWW) in terms of the information space and the amount of the users in that space. However, in today's world, many systems and approaches make it possible for the users to be guided by the recommendations that they provide about new items such as articles, news, books, music, and movies. However, a lot of traditional recommender systems result in failure when the data to be used throughout the recommendation process is sparse. In another sense, when there exists an inadequate number of items or users in the system, unsuccessful recommendations are produced.Within this thesis work, ReMovender, a web based movie recommendation system, which uses a content boosted collaborative filtering approach, will be presented. ReMovender combines the local/global similarity and missing data prediction techniques in order to handle the previously mentioned sparseness problem effectively. Besides, by putting the content information of the movies into consideration during the item similarity calculations, the goal of making more successful and realistic predictions is achieved.
Benzer Tezler
- A content-boosted matrix factorization technique via user-item subgroups
İçerikle zenginleştirilmiş gruplama ile uygulanan matris ayırma tekniği
EVİN ASLAN OĞUZ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- A content boosted collaborative filtering approach for recommender systems based on multi level and bidirectional trust data
Öneri sistemlerinde çok seviyeli ve iki yönlü güven verisine dayalı içerik destekli kolaboratif filtreleme yaklaşımı
FERHAT ŞAHİNKAYA
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. FERDA NUR ALPASLAN
- A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
SEVAL ÇAPRAZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM TEMİZER
- User preference boosted content-based recommender system
Kullanıcı tercihi destekli içerik tabanlı tavsiye sistemi
TUĞÇE ÖZBERK YENER
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. SEVGİ ÖZKAN
- An ontology-based hybrid recommendation system using semantic similarity measure and feature weighting
Anlamsal benzerlik ölçüsü ve özellik ağırlıklandırmaya dayanan ontoloji tabanlı melez bir tavsiye sistemi
UĞUR CEYLAN
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. AYŞENUR BİRTÜRK