Geri Dön

Using learning to rank for a top-n recommendation system in tv domain

Tv alanında bir ilk-n öneri sistemi için sıralama öğreniminin kullanılması

PDF İndir

  1. Tez No: 442115
  2. Yazar: BEDİA ACAR
  3. Danışmanlar: PROF. DR. FEHİME NİHAN ÇİÇEKLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Tavsiye etme, Recommendation
  7. Yıl: 2016
  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: Belirtilmemiş.

Özet

Bu çalışmada, sıralama öğrenimi yöntemleri kullanılarak televizyon alanında bir ilk-N öneri sistemi sunulmuştur. Önerilen sistemin tasarım, geliştirme ve değerlendirmesi detaylı bir şekilde açıklanmıştır. Geleneksel öneri sistemlerinde kullanılan nesnelerin puanlanmasının aksine, TV kullanıcılarına ilgiye göre sıralanmış öneri nesnelerinin listesi sunulmuştur. Bunun yanı sıra sıralama modelinin oluşturulması için kullanılan yol tabanlı özellikler detaylı bir şekilde açıklanmıştır. Kullanılan bu özellikler işbirlikçi, içerik tabanlı ve bağlam duyarlı öneri sistemini mümkün kılmaktadır. Ayrıca, bazı en gelişkin nokta bazlı, ikili bazlı ve liste bazlı olarak gruplandırılmış sıralama öğrenimi algoritmaları, sıralama modelinin oluşturulmasında denenmiştir. Böylece, temel bir öğrenme kullanmayan yöntem ile sıralama öğrenimi kullanan yöntem karşılaştırılmış ve sıralama öğrenimi kullanılan modelin daha iyi performans gösterdiği sunulmuştur.

Özet (Çeviri)

In this thesis, a top-N recommendation system in TV domain is proposed using learning to rank. The design, development and evaluation of the proposed recommender system are described in detail. Instead of calculating rating score of items like in conventional recommender systems, the ranked recommendation item list is presented to TV users. Moreover, path-based features which are used to build ranking model is explained in detail. These features provide collaborative filtering, content-based filtering and context aware recommendation system. Furthermore, some state of the art learning to rank approaches from each category called as pointwise, pairwise and listwise have been experimented to generate a ranking model. Then a baseline which does not use any learning are compared with the one using learning to rank algorithm. It is shown that the model constructed with learning to rank algorithm gives better results.

Benzer Tezler

  1. Tez No

    1017878

    A model-agnostic and rank-aware framework for user-level popularity calibration in recommender systems

    Öneri sistemlerinde kullanıcı düzeyinde popülerlik kalibrasyonu için modelden bağımsız ve sıra-duyarlı bir çerçeve

    İSMAİL BURAK YAVRU

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVCAN YILMAZ GÜNDÜZ

  2. Tez No

    22049

    Çok amaçlı karar verme metodları ve tekstil sanayiinde bir uygulama

    Multiple criteria decision making methods and an application to the textile industry

    H.EDA ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. RAMAZAN EVREN

  3. Tez No

    997429

    Akım volüm halkası ile obstrüktif uyku apnesi teşhisi için makine öğrenmesi tabanlı bir yöntem geliştirilmesi

    Development of a machine learning-based method for the diagnosis of obstructive sleep apnea using flow volume loop

    SEVAL BULUT ERİŞ

    Doktora

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET RECEP BOZKURT

    PROF. DR. CAHİT BİLGİN

  4. Tez No

    862643

    Long term competitive advantage effect on company value with fuzzy logic and machine learning applications

    Bulanık mantık ve makine öğrenmesi uygulamaları ile uzun vadeli rekabet avantajının şirket değeri üzerine etkisi

    ZEKERİYA BİLDİK

    Doktora

    İngilizce

    İngilizce

    2024

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. KAYA TOKMAKÇIOĞLU

  5. Tez No

    933398

    Soft decision-making approaches for sustainable supplier selection

    Sürdürülebilir tedarikçi seçimi için esnek karar verme yaklaşımları

    ÖMER KARAKOÇ

    Doktora

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. BAHAR SENNAROĞLU

    DOÇ. DR. SAMET MEMİŞ

Geri Dön