Geri Dön

A scalable collaborative filtering system using distance measures of social network

Sosyal ağ uzaklıklarını kullanıldığı ölçeklendirilebilir kollektif filtreleme sistemi

PDF İndir

  1. Tez No: 365596
  2. Yazar: İSMAİL MELİH ÖNEM
  3. Danışmanlar: PROF. DR. FERDANUR ALPASLAN
  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: 2013
  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: 118

Özet

Tavsiye Sistemleri bilgi sistemlerinde ve araştırma topluluklarında birçok farklı yaklaşımla daha iyi sonuç vermeyi hedeflemeleri ile çok popülerlerdir. Bu tez içerisinde, sosyal ağ bilgilerini kullanarak öneri sistemleri geliştirmek için bir metodoloji sunulmaktadır. Kişilerin iş bilgilerinin yer aldığı bir veri kümesi içerisinde denemeler yaparak, tavsiye algoritmasının başarı oranını ve performansını arttırmayı amaçlarken, bunu da gerçek dünyada nasıl uygulanabileceği gösterilmektedir.Hedef olarak da iş arayan kişiler için uygun iş fırsatlarını bulmayı sağlayan gerçek zamanlı bir sistemin oluşturulmasının mümkün olup olmayacağı araştırılmaktadır. Kompozisyonun arka planında filtreleme algoritmasına daha uygun ve anlamlı girdi vermek yatmaktadır.Algoritmanın ilk aşamasında, sosyal ağ uzaklıklarının ve arkadaşlık mesa- felerinin hedef kümeyi özelleştirerek tavsiye sistemine nasıl daha uygun hale getirilebileceği araştırılmaktadır. Kullanıcıya benzer diğer insanları bulmak için sistem diğer insanları küçük kümelere bölmekte ve buna bir kümeleme(clustering) problemi olarak yaklaşmaktadır.Aslen ikinci aşamada bu kümeleme sosyal ağ uzaklıkları üzerinde yapılmaktadır. Kümele algoritması hedef kümeyi ilgili küçük kümelere bölerek, genel bir iş matrisi ve kişinin çalışma ihtimali olan iş çiftlerini oluşturmaktadır. Son olarak da, en çok tavsiye edilen işler, matris üzerinde yer alan vektörlerin birbirine uzaklıkları hesaplanarak çıkarılmaktadır. Item to Item Tavsiye Algoritması son adımda derecelendirilmiş bir tavsiye de yapmaktadır. Aslında, sosyal tabanlı ilişkilerin ve vektör benzerlik ölçütlerin algoritma üzerinde etkisi yorumlanmaktadır. Ayrıca değerlendirmeyi ve tavsiye kalitemizi karşılaştırmak için Kısıtlanmış Boltzmann Makinası(RBM) algoritması da kullanılmaktadır. Geniş veri kümelerinde hedef kümeyi küçültmek performansı arttırmanın yolu olduğu için, genel yöntemlere göre ölçeklendirilebilir bir yaklaşım sunulmaktadır. Aldığımız sonuçlar, oluşturduğumuz kollektif filtreleme algoritmasının performans karakteristiği ve başarımı üzerinde derin bir kavrama yaratmıştır.

Özet (Çeviri)

Recommender systems are very popular in information systems and in the research community, where many different approaches geared towards giving better recommendations have been proposed. In this thesis, we propose a methodology that uses social network information to improve the performance of recommender systems. Our proposed methodology heuristically improves the success rate and performance of recommendation algorithms using social distance measures on a dataset that comprises people in professional occupations. Further, we explain how these methods apply to on-line real-world applications. The main objective behind the composition is to provide better and more relevant inputs to item-to-item filtering algorithms. We propose a compound method comprising three steps. In the first step, the algorithm elaborates social network distances and friendships to help recommender systems customize the target user set. To find people who are similar to a specific user, the system divides each worker's friends (target set) into subsets and treats the task as a social clustering problem. In the second step, clustering is done on social measures. The clustering algorithm divides the target set into subsets to build a job-to-job table and a similar-job pairs of people who tend to do the same kind of work. In the third step, highly recommended jobs are defined by computing distance metrics on job vectors. Thereby, item-to-item recommendation can compute ordered predictions for users. We interpret the differences between social-based relations and the impact of similarity metrics on a collaborative recommendation algorithm. The experiments conducted on large datasets indicate that our proposed approach, which customizes recommendations using social connections, outperforms generic methods in terms of specificity and scalability. We also conducted several experiments to compare the evaluation and recommendation qualities of our approaches with other well-known algorithms such as Restricted Boltzmann Machines. Our evaluations show that the components of our method combine to facilitate deeper understanding of the performance characteristics of recommender systems.

Benzer Tezler

  1. Tez No

    902372

    An optimized hybrid ai-based recommendation system for e-commerce

    E-ticaret için optimize edilmiş hibrit yapay zeka destekli öneri sistemi

    SAHAR FARHAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    DOÇ. DR. ATINÇ YILMAZ

  2. Tez No

    731044

    Personalized product recommendation on second hand platforms

    İkı̇ncı̇ el platformlarda kı̇şı̇leştı̇rı̇lmı̇ş ürün önerı̇mı̇

    RAMAZAN YARAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN

  3. Tez No

    342610

    Scalable recommender system that improves generalization

    Genellemeyi iyileştiren ölçeklenebilir tavsiye sistemi

    GÖKHAN ÇAPAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZGÜR YILMAZEL

  4. Tez No

    680378

    Recommendation system by link prediction approach on transactional data

    İşlem verilerinde bağlantı tahmini yaklaşımı ile öneri sistemi

    EMİR ALAATTİN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. SELİM SAFFET BALCISOY

  5. Tez No

    334850

    Improving performance of privacy-preserving collaborative filtering schemes

    Gizlilik temelli ortak süzgeçleme yöntemlerinin başarımının iyileştirilmesi

    ALPER BİLGE

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN POLAT

Geri Dön