Scalable recommender system that improves generalization
Genellemeyi iyileştiren ölçeklenebilir tavsiye sistemi
- Tez No: 342610
- Danışmanlar: YRD. DOÇ. DR. ÖZGÜR YILMAZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 45
Özet
Tavsiye sistemlerinin temel zorluklarından bir tanesi, kullanıcı ya da ürün hakkında yeterli davranış bilgisi bulunmayan soğuk-başlangıç verisine genellemedir. İçerik tabanlı süzgeçleme bu problemi çözebilse de, işbirlikçi süzgeçleme yöntemleri, yeterli davranış verisi olduğunda, daha hatasız tavsiyelerde bulunur. Bir tavsiye sorgusunun farklı etki alanlarından birine ait olabileceği göz önünde bulundurularak, küme öğrenme tabanlı bir melez tavsiye sistemi anlatılmıştır. Bu birleşik yöntem, her biri farklı etki alanlarını (yüksek kalite geribildirim verisi mevcut, kullanıcı soğuk-başlangıç durumunda, ürün soğuk-başlangıç durumunda) temsil eden doğrulama veri kümeleri üzerinde doğrusal kombinasyonlar öğrenir. Bu problem, uygun şekilde doğrulama ve test verisi oluşturularak; daha sonra üç çeşit tümleyici tavsiye sistemi (matris çarpanlarına ayırma tabanlı işbirlikçi süzgeçleme, ürün içeriği tabanlı süzgeçleme, kullanıcı demografisi tabanlı süzgeçleme) kullanılarak gösterilmiştir. Farklı doğrulama veri kümeleri kullanılarak yapılan deneyler; melez yöntemin, o etki alanında en iyi doğruluğa ulaşan tek tavsiye sistemine yakınsayacak şekilde ağırlıklandırma öğrendiğini göstermektedir.
Özet (Çeviri)
A major challenge for recommender systems is to generalize to cold-start prediction tasks, where no behavior data is available for the active user or the item. Content-based filtering is able to attack to this problem, while collaborative filtering ends up with accurate recommendations where high quality feedback is available. Considering the domain of a prediction task can vary, an ensemble learning-based hybrid recommender model is described. The combined model learns separate linear combinations from validation data sets representing each domain: high quality feedback available, user or item is unseen. The problem is illustrated by creating groups of validation and test data sets accordingly, and referring to three kinds of complementary recommenders: matrix factorization based, user demographics, and item content-based. Experiments demonstrate that using those separate validation data sets; the hybrid recommender model adjusts weights such that it converges to the individual recommender that performs the best on a domain.
Benzer Tezler
- A scalable collaborative filtering system using distance measures of social network
Sosyal ağ uzaklıklarını kullanıldığı ölçeklendirilebilir kollektif filtreleme sistemi
İSMAİL MELİH ÖNEM
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. FERDANUR ALPASLAN
- Ortak mimarili yapılar ile insansız araçlarda veri iletişimi
Data communication in unmanned systems using joint architecture
OKAN BOSTAN
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- A machine learning-based intrusion detection system for prediction of potential DDoS attacks
Potansiyel DDoS saldırılarının tahmini için, makine öğrenme tabanlı giriş tespit sistemi
AHMAD MHAISH
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Otonom araçlar için gerçek zamanlı nesne tanıma ve uzaklık tahmini sistem tasarım ve uygulaması
Real-time object recognition and distance estimated system design and implementation for autonomous vehicles
SALİH PALAMUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ AVAROĞLU
- Design and implementation of an effective DWDM FSO system under different rain conditions and modulation format
Tasarım ve uygulama etkili DWDM FSO sistemi altındafarklı yağmur şartları ve modülasyon formatı
MOHAMMED TAREQ MAHMOOD MAHMOOD
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA KURNAZ TÜRKBEN