Probabilistic matrix factorization based collaborative filtering with implicit trust derived from review ratings information
Olasılıksal dizey çarpanlarına ayırmaya dayalı yorum puanları bilgisinden çıkarılan gizli güven ile ortaklaşa filtreleme
- Tez No: 291689
- Danışmanlar: YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Öneri sistemleri kullanıcı profilleri, güven bilgisi ve kullanıcının geçmiş tercihleri gibi çeşitli bilgileri kullanarak kullanıcının beğenisine en çok hitap etme olasılığı olan nesneleri önermeyi hedefler. Ancak, geleneksel öneri sistemlerinde ölçeklenebilir olmama, kapsamlı ve faydalı öneriler üretememe ve veri eksikliği gibi sorunlar bulunmaktadır.Bu tez kapsamında önerilen olasılıksal dizey çarpanlarına ayırmaya dayanan yerel güven bilgisini kullanan sistemle, veri eksikliği, ölçeklenebilirlik ve anlaşılabilirlik problemleri ele alınmıştır. Bu metot kullanıcılar tarafından verilen yorum puanlarındaki gizli güven bilgisini kullanmaktadır. Epinions.com veri kümesi üzerinde yapılan deneyler, önerilen metodun literatürdeki metodlarla kıyaslanabilir sonuçlar ürettiğini göstermiştir.Bu tez kapsamında, gizli yöney başlatmanın dizey çarpanlarına ayırma modellerine etkisi analiz edilip, seçilen değerlendirme ölçütleri ile farklı başlatma teknikler karşılaştırılmıştır.
Özet (Çeviri)
Recommender systems aim to suggest relevant items that are likely to be of interest to the users using a variety of information resources such as user profiles, trust information and users past predictions. However, typical recommender systems suffer from poor scalability, generating incomprehensible and not useful recommendations and data sparsity problem.In this work, we have proposed a probabilistic matrix factorization based local trust boosted recommendation system which handles data sparsity, scalability and understandability problems. The method utilizes the implicit trust in the review ratings of users. The experiments conducted on Epinions.com dataset showed that our method compares favorably with the methods in the literature.In the scope of this work, we have analyzed the effect of latent vector initialization in matrix factorization models; different techniques are compared with the selected evaluation criteria.
Benzer Tezler
- Collaborative filtering and content based hybrid models for recommending scientific articles
Bilimsel makale önerisi için işbirlikçi filtreleme ve içerik tabanlı hibrit modeller
MİNE ÖĞRETİR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ TAYLAN CEMGİL
- Probabilistic latent factor modelsfor transformative drug discovery
Başlık çevirisi yok
MURAT CAN COBANOGLU
- Integrated approach for pm characterization: A comparative analyses between ICP-MSMS and pixe, source location, source apportionment and probabilistic health risk assessment
Pm karakterizayonu için entegre yaklaşım: ICP-MSMS ve pixe arasındaki karşılaştırmalı analizler, kaynak yeri, kaynak paylaşımı ve olasılıksal sağlık riski değerlendirmesi
ABDALLAH MUNIR ABDALLAH DAWOOD
Doktora
İngilizce
2018
Çevre MühendisliğiAnadolu ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. EFTADE E. GAGA
- Probabilistic tensor factorization for link prediction
Bağlantı tamini için olasılıksal tensör ayrışımı
BEYZA ERMİŞ
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ TAYLAN CEMGİL
- Improved probabilistic matrix factorization model for sparse datasets
Seyrek veri kümeleri için iyileştirilmiş olasılıksal matris çarpanlarına ayrışımı modeli
YILMAZ AR
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL