A new collaborative filtering algorithm using near-clique bipartite graph clusters
İki kısımlı çizge kümelemelerine yakın çizgeleri kullanarak yeni imeceli filtreleme algoritması
- Tez No: 385141
- Danışmanlar: PROF. DR. İSMAİL HAKKI TOROSLU
- 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: 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
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Using social graphs in one-class collaborative filtering problem
Tek sınıf kolektif filtreleme probleminde sosyal çizgelerin kullanımları
HAMZA KAYA
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FERDA NUR ALPASLAN
- 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
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ NİZAM
- Hierarchical deep bidirectional self-attention model for recommendation
Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli
İREM İŞLEK
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ