A content-boosted matrix factorization technique via user-item subgroups
İçerikle zenginleştirilmiş gruplama ile uygulanan matris ayırma tekniği
- Tez No: 383290
- Danışmanlar: PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- 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: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu tezin asıl amacı, i¸sbirlikçi filtreleme algortimasıyla elde edilen önerilerin do˘gruluk derecesini, ba¸sarılı iki algoritmayı birle¸stirerek arttırmaktır.˙I¸sbirlikçi algoritmalar benzer kullanıcı grupları ke¸sfedip, bu gruplar üzerinden öneri yaparlar. Bu tezde gruplar MCoC adı verilen bir gruplama tekni˘gi ile ke¸sfedilmektedir. Ayrıca, nesnelerin içeri˘ginin öneri sürecine katılması için, içerikle zenginle¸stirilmi¸s bir teknik kullanılmaktadır. MCoC tekni˘ginde, bir kullanıcı veya nesne sıfır, bir veya daha fazla altgruba dahil olabilir. Böylelikle, aynı altgruplara ait kullanıcı ve nesneler için o kullanıcıların sözkonusu nesnelere yapaca˘gı tahmini de˘gerlendirmeler elde edilmektedir. Ancak bir kullanıcı ve nesne hiç bir altgruba dahil olmadı˘gında, i¸sbirlikçi algoritma bütün kullanıcı ve nesneler için tekrar ko¸sturulup elde edilen tahmini de˘gerlendirmeler MCoC yöntemiyle elde edilemeyen de˘gerlendirmeler için kullanılmaktadır. Di˘ger taraftan, içerikle zenginle¸stirilmi¸s i¸sbirlikçi algoritma ise öneri sürecinde nesnelerin içeri˘gini göz önünde bulundurur. Film öneri sistemleri üzerinde çalı¸sıldı˘gından, içerik bilgisi olarak filmlerin türleri kullanılmaktadır. Özetle, içerikle zenginle¸stirilmi¸s i¸sbirlikçi algoritma altgruplar ve bütün kullanıcı nesne seti üzerinde uygulanmakta, ve sonuçlar birle¸stirilmektedir. Böylece öneri sisteminin do˘gruluk derecesi arttırılmaktadır.
Özet (Çeviri)
This thesis mainly focuses on improving the recommendation accuracy of collaborative filtering (CF) algorithm via merging two successful approaches. Since CF algorithms group like-minded users, a technique called Multiclass Co-Clustering (MCoC) is used in order to group like-minded users more effectively. Since, CF approaches lack incorporating content information, a content-boosted CF approach that embeds content information into recommendation process is used. In the MCoC, a user or an item can belong to zero, one or more subgroups. Thus, it is possible to predict the rating scores of users to items present in the same subgroup. However the prediction results for all users and items are not obtained by MCoC, since a user or an item may belong to zero subgroups. Therefore, content-boosted CF algorithm is applied to the whole set of users and items besides subgroups and finally the results are merged. The content-boosted approach, on the other hand, considers content information in the recommendation process. As content, the genres of movies are embedded into the item latent factor vector in the matrix factorization technique. To sum up, the content-boosted algorithm is applied to the subgroups and the whole set, and the obtained results are merged. Hence the recommendation accuracy is improved.
Benzer Tezler
- Additive manufacturing and characterization of metal particle incorporated polymer matrix functionally enhanced composites
Metal parçacık ile birleştirilmiş polimer matris fonksiyonel olarak güçlendirilmiş kompozitlerin katmanlı imalatı ve karakterizasyonu
ÖZGÜR UYAR
Yüksek Lisans
İngilizce
2023
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ARCAN FEHMİ DERİCİOĞLU
- Production of orange juice like functional drink using lactic acid bacteria
Laktik asit bakterileriyle portakal suyu benzeri fonksiyonel içecek üretimi
AKRAM BEN GHORBAL
Doktora
İngilizce
2023
BiyoteknolojiÇukurova ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. HÜSEYİN ERTEN
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- A content boosted collaborative filtering approach for movie recommendation based on local and global user similarity and missing data prediction
Film önerme sistemlerinde eksik veri tahmini ve lokal ve global benzerlik metodlarını birleştiren içerik destekli kolaboratif filtreleme yaklaşımı
GÖZDE ÖZBAL
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERDA NUR ALPASLAN
- A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
SEVAL ÇAPRAZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM TEMİZER