Naive Bayes sınıflandırıcı tabanlı ikili-veri çoklu-ölçütlü öneri sistemler
Binary-data multi-criteria recommender systems based on Naive Bayes classifier
- Tez No: 438122
- Danışmanlar: YRD. DOÇ. DR. ALPER BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Öneri sistemleri, kullanıcıların herhangi bir çabasına ihtiyaç duymadan onların kişisel özelliklerine ve geçmişteki tercihlerine uygun öğeler tavsiye edebilme yeteneğine sahiplerdir. Bazı ürün ve hizmet alımı durumlarında, ilgili ürün ya da hizmet alımının içerdiği ölçütler bazında ayrı ayrı beğeni değerleri toplamak daha verimli olabilmektedir. Bu doğrultuda araştırmacılar, kullanıcıların beğeni derecelerini daha ayrıntılı ve etkili ifade edebilecekleri çoklu-ölçütlü değerlendirme sistemlerini geliştirmişlerdir. Bu tür sistemlerde, alt-ölçüt sayısının çok olması nedeniyle nümerik veriler kullanmak yerine ikili-veri kullanmak tercih edilebilir. İkili-veri kullanan tek ölçütlü öneri sistemlerinde basit Bayes sınıflandırıcı algoritması ortak filtreleme amacıyla kullanılmaktadır. Literatürde, çoklu-ölçütlü sistemler için benzer bir çalışma mevcut değildir. Bu tezde, ikili veriye dayalı çoklu-ölçütlü öneri sistemlerinin uygulanabilirliği araştırılmaktadır. İlk olarak, genel beğeni ölçütü için kullanıcılara basit Bayes sınıflandırıcı kullanılarak öneriler üretilmiştir. Üretilen önerilerin doğruluğunu arttırmak amacıyla başarılı komşulukların belirlenmesini sağlayan kullanıcı ve ürün tabanlı benzerlik modelleri önerilmiştir. Ardından, bu modeller uyumluluk tekniği kullanılarak geliştirilmiştir. Uyumluluk tekniği, benzerlik hesabının daha yüksek kişiselleştirilme ile yapılmasını sağlamıştır. Son olarak, karma bir model önerilmiştir. Karma model, kullanıcı-tabanlı ve ürün-tabanlı benzerlik modellerinin birlikte kullanılmasını sağlamıştır. Bu modeller kullanılarak daha yüksek başarıma sahip önerilerin üretilmesi sağlanmıştır.
Özet (Çeviri)
Recommender systems are specialized in suggesting appropriate items to users with respect to their personal characteristics and past preferences without requiring any effort of users. It might be more efficient to collect preferences of users based on multiple sub-criteria of corresponding product or service. For this purpose, researchers have proposed multi-criteria recommender systems that are convenient for more accurate and effective evaluation of items. In such systems, it might be preferable to collect binary ratings instead of numerical ones due to large number of sub-criteria. Naïve Bayes classifier is used for collaborative filtering purposes in single-criterion based recommender systems utilizing binary data. However, there is a gap in the literature in terms of a similar multi-criteria system. In this thesis, applicability of multi-criteria recommender systems based on binary data is investigated. Firstly, recommendations for users on overall preference criterion are produced employing naïve Bayes classifier. In order to improve quality of recommendations, user and item based similarity models are proposed enabling formation of more successful neighborhoods. Such models are further improved by integrating concordance measure between overall preference and sub-criteria ratings. Concordance measure provides the opportunity to calculate more personalized similarities among users. Finally, a hybrid model is proposed facilitating employing user and item based models together and statistically significantly improving quality of estimated binary referrals.
Benzer Tezler
- Shilling attack design and detection on masked binary data
Gizlenmiş ikili veriler üzerinde şilin atak tasarımı ve tespiti
ZEYNEP BATMAZ
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN POLAT
- Privacy-preserving collaborative filtering on arbitrarily partitioned data
Gizliliği koruyarak rastgele bölünmüş veri tabanlı ortak süzgeçleme
İBRAHİM YAKUT
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN POLAT
- Kanser karşıtı peptitlerin tahmininde yeni öznitelik kodlama yöntemleri geliştirilmesi
Development of new feature encoding methods in prediction of anticancer peptides
MURAT ESER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT GÖK
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR