Geri Dön

Enhancing accuracy of hybrid recommender systems through adapting the domain trends

Alandaki değişimlere uyum sağlayarak karma tavsiye sistemlerinin doğruluğunun arttırılması

PDF İndir

  1. Tez No: 269022
  2. Yazar: FATİH AKSEL
  3. Danışmanlar: DR. AYŞENUR BİRTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 87

Özet

Geleneksel karma tavsiye sistemleri, karar verme süreçlerine genel olarak elle oluşturulmuş, sabit tahmin stratejilerini uygularlar. Alan uzmanları bu statik tahmin stratejilerini farklı tekniklerin sabit birleşimiyle0 tasarlar. Ancak insanların zevkleri ve ilgi alanları geçicidir ve zamanla evrilir. Üstelik her alanın kendine özgü karakteristiği, eğilimleri ve kullanıcı davranışları vardır. Son yıllarda yapılan araştırmalar daha çok, çalışma zamanında değişmeyen, statik karmalaştırma yöntemleri üzerine yoğunlaşmıştır. Bu tez çalışmasında, AdaRec olarak adlandırdığımız, kendi tahmin stratejisini çalışma zamanında tahmin tekniklerinin performansına göre değiştirebilen, 'uyarlanabilir karma tavsiye sistemini' anlattık. Bu probleme yönelik geliştirdiğimiz çözüm yaklaşımımızda, uyum sağlayabilen uyum sağlayabilen tahmin stratejilerini kullandık. Veri kümeleri üzerinde yaptığımız deneyler önerdiğimiz sistemin, geleneksel karma sistemlerden daha iyi çalıştığını göstermektedir.

Özet (Çeviri)

Traditional hybrid recommender systems typically follow a manually created ? xed predictionstrategy in their decision making process. Experts usually design these static strategies as ? xed combinations of di ? erent techniques. However, people?s tastes and desires are temporary and they gradually evolve. Moreover, each domain has unique characteristics, trends and unique user interests. Recent research has mostly focused on static hybridization schemes which do not change at runtime. In this thesis work, we describe an adaptive hybrid recommender system, called AdaRec that modi ? es its attached prediction strategy at runtime according to the performance of prediction techniques (user feedbacks). Our approach to this problem is to use adaptive prediction strategies. Experiment results with datasets show that our system outperforms naive hybrid recommender.

Benzer Tezler

  1. Tez No

    794036

    Development of novel hybrid rocket internal ballistic configuration for in-space applications

    Uzay uygulamaları için özgün hibrit roket iç balistik konfigürasyonu geliştirilmesi

    MEHMET KAHRAMAN

    Doktora

    İngilizce

    İngilizce

    2022

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM OZKOL

    DOÇ. DR. MUSTAFA ARİF KARABEYOĞLU

  2. Tez No

    611517

    Enhancing hybrid visual servo control by probabilistic techniques

    Başlık çevirisi yok

    ABDUL HAFEZ

    Doktora

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOsmania University

    PROF. DR. DANIŞMAN YOK

  3. Tez No

    830179

    A hybrid feature subset selection method based on GRASP and relief

    GRASP ve relief temelli bir hibrit özellik alt kümesi seçimi

    BUSE NUR KARATEPE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik BilimleriSabancı Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. KEMAL KILIÇ

  4. Tez No

    905200

    Enhancing the prediction of energy efficiency in buildings using machine learning algorithms

    Makine öğrenme algoritmaları ile binalarda enerji verimliliği tahminlemesinin geliştirilmesi

    MOHAMMED TAQI MOHAMMED HASAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilim ve TeknolojiBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. SELİN NACAKLI

  5. Tez No

    897491

    Enhancing photovoltaic system performance through NARX-LSTM forecasting and neuro-controller based MPPT techniques

    NARX-LSTM tahmın ve nöro-denetleyici temelli MPPT teknikleri vasıtasıyla fotovoltaık sistem performansının artırılması

    OUBAH ISMAN OKIEH

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

Geri Dön