A novel recommender engine
Yeni bir tavsiye motoru
- Tez No: 365721
- Danışmanlar: DOÇ. DR. SELİM NECDET MİMAROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Tavsiye sistemleri; kullanıcıların, devasa kataloglardan beğenebilecekleri ürünleri bulmalarına yardımcı olacak yazılım araçlarıdır. Uygun seçenekler, sektöre bağlı olarak hem seçenek sayısı hem de nitelik bakımından oldukça çeşitlilik göstermektedir. Tavsiye sistemleri genel olarak, içerik-tabanlı, işbirlikçi filtreleme tabanlı ve melez (hibrit) sistemler olmak üzere üç sınıfa ayrılırlar. İçerik-tabanlı sistemler, ürünlerin açıklamalarına veya içeriklerine dayalı olarak tavsiye üretirler. Kullanıcıya, geçmişte tercih ettiği ürünlere benzer nitelikte ürünler tavsiye edilir. İçerik-tabanlı sistemlerin en büyük dezavantajı, ürün açıklamaları veya niteliklerinin elde edilmesinin oldukça maliyetli bir işlem olmasıdır. İçeriğin, otomatik olarak okunup ayrıştırılabilen bir biçimde(metin vb.) olması ya da ürün niteliklerinin el yordamıyla ürünlere atanması gerekir. İşbirlikçi filtreleme, tavsiye sistemlerinde en çok tercih edilen tekniklerin başında gelmektedir. Bu kategorideki sistemler, benzer zevklere sahip arkadaş çevresinden tavsiye alma kavramını taklit ederler. Bu tez çalışmasında, birçok sektöre kolayca uyarlanabilecek, işbirlikçi filtreleme temelli yeni bir tavsiye sistemi geliştirilmiştir. Yeni sistemin en önemli avantajı, hem doğrudan hem de dolaylı tercih verilerini aynı anda kullanabilme becerisidir ki bu da önerilebilecek ürün kapsamını önemli ölçüde artırmaktadır. Çalışma kapsamında ayrıca, en benzer komşuların seçimi sırasındaki benzerlik hesaplamalarında asimetrik bir yaklaşım yöntemi de önerilmiştir. Çalışmada hedeflenilen bir başka sonuç ise, özellikle sevilen ürünleri sevilmeyen ürünlerden ayırt edebilme konusunda ortalamadan daha başarılı bir performans sergileyebilmektir. Bu amaçla, yüksek puanlı ürünleri öne çıkarırken düşük puanlı ürünleri mümkün mertebe aşağı çekecek bir cezalandırma düzeni de önerilmiştir.
Özet (Çeviri)
Recommender systems are software tools and techniques that help users to find products/items which are of interest, from large catalogs. Available options extremely differ both in number and attributes depending on the domain, that is, the type of object/item needed to be selected. Recommender systems can be classified broadly into three categories: content-based, collaborative filtering based and hybrid systems. Content-based systems generate recommendations based on descriptions or content of items. The user will be recommended items similar to the ones the user preferred in the past. The biggest limitation of content-based techniques is that extracting features associated with items to be recommended is usually a costly process. The content must either be in a form that can be parsed automatically (e.g., text) or the features should be assigned to items manually. Collaborative filtering is the most popular technique for recommender systems. Recommender systems of this group simulate taking recommendations from friends with similar tastes. In this thesis, a novel recommender system based on collaborative filtering is designed which can be easily applied to many different domains. The main advantage of the new system is its ability to use both implicit and explicit information which considerably increases recommendation coverage. Also an asymmetric approach is proposed for similarity calculations during nearest neighbor selection procedure. Another objective that is aimed to observe is to be better at differentiating especially liked items from disliked ones. In this respect, a penalization scheme is incorporated to lower down the scores for items with low ratings whereas highlighting items with high ratings.
Benzer Tezler
- Genetik algoritma kullanılarak içerik tabanlı kitap tavsiye sistemi geliştirilmesi
The development of content based book recommendation system using genetic algorithm
CELALETTİN AYGÜN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
ÖĞR. GÖR. OKTAY YILDIZ
- İşbirlikçi tabanlı tavsiye sistemlerinde yeni bir matris ayrışım tekniği
A novel matrix decomposition technique in collaborative based re-commender systems
SELÇUK GÜNDÜZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe Üniversitesiİnternet ve Bilişim Teknolojileri Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL
DR. ÖĞR. ÜYESİ FAHRETTİN HORASAN
- A novel user activity prediction model for context aware computing systems
Bağlam bilinçli sistemler için yeni bir kullanıcı aktivitesi tahmin modeli
SERHAT PEKER
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Bölümü
DOÇ. DR. ALTAN KOÇYİĞİT
- Veri seyrekliği ve ölçeklenebilirlik problemlerini gidermek için derin otomatik kodlayıcı tabanlı yeni bir tavsiye sistemi modeli
A novel deep autoencoder-based recommendation system model to resolve the data sparsity and scalability problems
SÜMEYYE SENA ÜNALDI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolNecmettin Erbakan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE MERVE ACILAR
- Novel recommender system implementation by using collaborative filtering
Ortaklaşa enformasyon paylaşma kullanarak yeni tavsiye sistemi uygulaması
ERGİN DEMİREL
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. ADEM KARAHOCA