Geri Dön

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

  1. Tez No: 291689
  2. Yazar: EDA ERCAN
  3. Danışmanlar: YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. ALİ TAYLAN CEMGİL

  2. Probabilistic latent factor modelsfor transformative drug discovery

    Başlık çevirisi yok

    MURAT CAN COBANOGLU

    Doktora

    İngilizce

    İngilizce

    2015

    BiyolojiUniversity of Pittsburgh

    DR. ZİV BAR-JOSEPH

  3. 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

    İngilizce

    2018

    Çevre MühendisliğiAnadolu Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EFTADE E. GAGA

  4. Probabilistic tensor factorization for link prediction

    Bağlantı tamini için olasılıksal tensör ayrışımı

    BEYZA ERMİŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. ALİ TAYLAN CEMGİL

  5. Improved probabilistic matrix factorization model for sparse datasets

    Seyrek veri kümeleri için iyileştirilmiş olasılıksal matris çarpanlarına ayrışımı modeli

    YILMAZ AR

    Doktora

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL