A content based movie recommendation system empowered by collaborative missing data prediction
İşbirlikçi eksik veri tahmini yoluyla desteklenmiş içerik tabanlı film öneri sistemi
- Tez No: 269542
- 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: 2010
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 116
Özet
Internet, geçirdiği evrim sonucunda bizleri farklı özelliklere sahip müzik, film, kitap, web sayfaları gibi birçok bilgi kaleminin sunulduğu bir dünyaya getirmiştir. Bu devasa öğeler evreninin bir sonucu olarak, insanların kafası karışmaya ve“Hangisini seçmeliyim?”sorusu akıllara takılmaya başlamıştır. Tavsiye Sistemleri, seçilmesi gereken öğeler hakkındaki bocalama sorununu ele almakta olup, belirli bir bilgi filtreleme tekniği ile bilgileri filtrelemekte, kullanıcıların ilgisini çekmesi muhtemel olan öğeleri onlara sunmaktadır. Öneri sistemlerinde yoğunlukla kullanılan içerik tabanlı ve işbirlikçi teknikler de içinde olmak üzere, tavsiye üretmek için kullanılabilecek çeşitli bilgi filtreleme teknikleri ortaya atılmıştır. Bu tez çalışması, işbirlikçi ve içerik tabanlı filtreleme yöntemlerinin her ikisine de dayanan bir film öneri sistemi olan ReMovender'ı tanıtmaktadır. Bu çalışmanın ayırt edici noktaları, kullanıcılar arasında ilişki kurma yöntemi ve filmlerin içerik bilgilerinin kullanılma şeklidir. ReMovender, kullanıcılara filmleri bir ve beş aralığındaki oylarla oylama fırsatı vermektedir. Eksik verileri tamamlamak amacıyla, bu oy bilgilerini işbirlikçi yöntemle kullanıcılar arasında benzerlik bulmada kullanmaktadır. İçerik tabanlı kısımda ise, filmlerin içerik bilgileri kullanılarak bu filmler ilişkilendirilmekte ve kullanıcılara öneriler sunulmaktadır.
Özet (Çeviri)
The evolution of the Internet has brought us into a world that represents a huge amount of information items such as music, movies, books, web pages, etc. with varying quality. As a result of this huge universe of items, people get confused and the question ?Which one should I choose?? arises in their minds. Recommendation Systems address the problem of getting confused about items to choose, and filter a specific type of information with a specific information filtering technique that attempts to present information items that are likely of interest to the user. A variety of information filtering techniques have been proposed for performing recommendations, including content-based and collaborative techniques which are the most commonly used approaches in recommendation systems. This thesis work introduces ReMovender, a content-based movie recommendation system which is empowered by collaborative missing data prediction. The distinctive point of this study lies in the methodology used to correlate the users in the system with one another and the usage of the content information of movies. ReMovender makes it possible for the users to rate movies in a scale from one to five. By using these ratings, it finds similarities among the users in a collaborative manner to predict the missing ratings data. As for the content-based part, a set of movie features are used in order to correlate the movies and produce recommendations for the users.
Benzer Tezler
- Hybrid reciprocal recommendation with advanced feature representations
Gelişmiş özellik gösterimleri ile hibrit çift taraflı öneri sistemleri
EZGİ YILDIRIM
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Openmore: A content-based movie recommendation system
Openmore: İçerik bazlı film tavsiye sistemi
ÖZNUR KIRMEMİŞ
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. AYŞENUR BİRTÜRK
- Movıeadvısor: İçerik tabanlı film öneri sistemi
Movieadvisor: Content based movie recommendation system
EMİNE TUNÇEL
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ
- 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
GÖZDE ÖZBAL
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERDA NUR ALPASLAN
- Constructing a recommendation system based on movie reviews
Film incelemelerine dayalı bir öneri sistemi oluşturma
MUHAMMET AYKAN
Yüksek Lisans
İngilizce
2023
MatematikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ÇENE