Geri Dön

Improved probabilistic matrix factorization model for sparse datasets

Seyrek veri kümeleri için iyileştirilmiş olasılıksal matris çarpanlarına ayrışımı modeli

  1. Tez No: 379861
  2. Yazar: YILMAZ AR
  3. Danışmanlar: YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Dünya çapındaki ağ üzerindeki bilgi miktarı, ağ ve bilgi teknolojilerindeki ilerlemeler nedeniyle önemli ölçüde artmıştır. Bu durum kullanıcılar için ilgili ve yararlı bilgiler elde etmeyi zor hale getirmiştir ve bu nedenle bilgi filtreleme ihtiyacı oluşmuştur. Öneri Sistemleri (ÖS) bu probleme bir çözüm olarak ortaya çıkmıştır. Yaygın olarak kullanılan ÖS yaklaşımlarından biri olan Ortak Filtreleme (OF), kullanıcıların bir ürün üzerindeki tercihini tahmin etmeyi amaçlamaktadır. OF ardındaki ana fikir, geçmişte aynı fikirde olan kullanıcıların, gelecekte de aynı fikirde olacaklarıdır. Bir OF tekniği olarak Olasılıksal Matris Çarpanlarına Ayrışımı (OMÇA) genellikle yüksek doğruluk ve ölçeklenebilirlik nedeniyle literatürde tercih edilmektedir. Bu tezde, OMÇA metodunda yer alan kullanıcı ve ürün gizli vektörlerin başlatma tekniklerinin önemi gerçek ve sentetik veri kümeleri ile gösterilerek yeni beş başlatma tekniği önerilmektedir. Önerilen yaklaşımlar literatürdeki diğer başlatma teknikleri ile karşılaştırıldığında çok seyrek veri setleri için daha iyi sonuçlar üretmektedir.

Özet (Çeviri)

The amount of information on the World Wide Web has increased significantly owing to advancing web and information technologies. This has made it difficult for users to obtain relevant and useful information thus there is a need for information filtering. Recommender Systems (RS) have emerged as a technique to overcome the problem. Collaborative Filtering (CF) that is one of the widely used RS approaches aims to predict users' preference concerning an item. The main idea behind CF is the users who agreed in the past will agree in the future. The Probabilistic Matrix Factorization (PMF) is the preferred CF technique in the literature due to its high accuracy and scalability. This thesis demonstrates the importance of the initialization techniques for the user and the item latent vectors in the PMF algorithm with real and synthetic datasets and proposes five different initialization techniques. The suggested approaches produce better results in comparison with the state-of-the-art techniques in particularly very sparse datasets.

Benzer Tezler

  1. 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

  2. Dağıtık üretim güç sistemlerinde geliştirilmiş oylama modeli tabanlı arıza tespiti ve sınıflandırması

    Improved voting model based fault detection and classification in distributed generation power systems

    FEVZEDDİN ÜLKER

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET KÜÇÜKER

  3. From media-based modulation to reconfigurable intelligent surfaces: Novel index modulation solutions

    Ortam-tabanlı modülasyon'dan uyarlanabilir akıllı yüzeylere: Özgün indis modülasyon çözümleri

    ZEHRA YİĞİT

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERTUĞRUL BAŞAR

    PROF. DR. İBRAHİM ALTUNBAŞ

  4. A probabilistic guidance approach to swarm-to-swarm engagement problem

    Sürüler arası angajman problemine olasılıksal güdüm yaklaşımı

    SAMET UZUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  5. K-NN sınıflandırma yöntemine dayalı gri seviyeeşdizimlilik matrısı ve momentum özellikleri ileyüzdeki duyguyu tanıma

    Recognizing the emotion in the percent with the graylevel cosystality matrix and momentum propertiesbased on the K-NN classification method

    IDRIS AWAIDAT ALI AJAJ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÜMİT TOKEŞER