Geri Dön

A new collaborative filtering algorithm using near-clique bipartite graph clusters

İki kısımlı çizge kümelemelerine yakın çizgeleri kullanarak yeni imeceli filtreleme algoritması

PDF İndir

  1. Tez No: 385141
  2. Yazar: HÜSNÜ YILDIZ
  3. Danışmanlar: PROF. DR. İSMAİL HAKKI TOROSLU
  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: 2014
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

Öneri sistemleri film seçmek, yeni şarkılar bulmak, yeni insanlarla iletişim kurmak gibi günlük kullanımlarımız için giderek daha önemli bir hal almaktadır. Bu sistemler mümkün olduğu kadar çabuk bir şekilde en iyi önerileri vermeye çalışır. Bunu başarmak için çeşitli yöntemler kullanılır. Benzerlik metrikleri ve gruplandırma daha iyi öneriler elde etmek için kullanılırken, paralel algoritmalar ve boyut azaltma yöntemleri daha hızlı sonuç almak için kullanılır. Bu çalışmada kullanıcıların bilgilerini ve geçmiş tercihlerini kullanarak, yeni önerileri yüksek doğrulukla bulmaya çalışan öngörü algoritmaları tasarladık. Algoritmalarımız tam iki kısımlı çizgelere yakın çizgeleri bulmak için sıradüzensel gruplandırmayı kullanır. Bu çizgeler kullanıcılar ve öğeler arasında güçlü bağlantıların olduğunu gösterir. Ancak, tam ikili çizgelerin var olup olmadığını bulmak NP-Tam problemdir. Bu yüzden, sıradüzensel gruplandırma ve benzerlik metrikleri kullanılarak tam iki kısımlı çizgelere yakın çizgeler belirlenir. Algoritmaların performansı MovieLens veri kümesi kullanılarak değerlendirildi. Sonuçlar gösteriyor ki, bütün veri kümesi için yüksek doğrulukla sonuçlar elde edilirken, özellikle ilk kısımlarda yapılan tahminlerin doğruluğu daha da yüksektir.

Özet (Çeviri)

Recommendation systems are becoming increasingly crucial for everyday tasks such as choosing movies, discovering new songs, connecting to other people. These systems try to give the best recommendations as quickly as possible. In order to achieve this target,they employ similarity metrics and clustering for better suggestions, parallel algorithms and dimensionality reduction for fast running time. In this study, we propose prediction algorithms that complete missing values using former user preferences and user information. Our algorithms utilize hierarchical clustering with bottom-up approach to find nearly complete bipartite graphs(near-clique). Near-clique graphs indicate strong connectivity between users and items. However, finding complete bipartite graph is an NP-Complete problem. Therefore, hierarchical clustering and similarity metrics are used for detecting near-clique graphs as much as possible. Predictions are made by using near-clique graphs. To evaluate the algorithms performance, the experiments are held on the MovieLens dataset. The results show that, we achieved high accuracy for overall predictions and especially initial predictions are remarkable.

Benzer Tezler

  1. Tez No

    478574

    A new weighting approach to solve data sparsity problem in collaborative filtering

    İşbirlikçi filtreleme yöntemi ile seyrek veri problemini çözmek için yeni bir ağırlık benzetim yaklaşımı

    TASNIM ZAYET

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ

  2. Tez No

    255115

    Using social graphs in one-class collaborative filtering problem

    Tek sınıf kolektif filtreleme probleminde sosyal çizgelerin kullanımları

    HAMZA KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FERDA NUR ALPASLAN

  3. Tez No

    238849

    Novel recommender system implementation by using collaborative filtering

    Ortaklaşa enformasyon paylaşma kullanarak yeni tavsiye sistemi uygulaması

    ERGİN DEMİREL

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. ADEM KARAHOCA

  4. Tez No

    675733

    Kullanıcı ve öge temelli yöntemlerin birlikte kullanıldığı işbirlikçi filtreleme tekniği geliştirilmesi

    Hybrid system with combining user – based and item based collaborative filtering

    YUSUF ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ NİZAM

  5. Tez No

    837076

    Hierarchical deep bidirectional self-attention model for recommendation

    Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli

    İREM İŞLEK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

Geri Dön