Using learning to rank for a top-n recommendation system in tv domain
Tv alanında bir ilk-n öneri sistemi için sıralama öğreniminin kullanılması
- Tez No: 442115
- 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: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
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
- Hibrit film öneri sistemi
Hybrid movie recommendation system
MAHİYE ULUYAĞMUR
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- Training-free image-level affordance discovery and labeling using pre-trained deep networks
Önceden eğitilmiş derin ağlar üzerinde eğitim gerektirmeyen görüntü düzeyinde sağlarlık keşfi ve etiketleme
İSMAİL ÖZÇİL
Doktora
İngilizce
2025
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET BUĞRA KOKU
- Stratejik yönetime dayalı okul gelişim endeksinin oluşturulması: Bir karma yöntem araştırması
Development of a strategic management-based school development ındex: A mixed method research
HİLAL GÜRKAN
Doktora
Türkçe
2023
Eğitim ve ÖğretimMarmara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ALİ ÖZDEMİR
- Soft decision-making approaches for sustainable supplier selection
Sürdürülebilir tedarikçi seçimi için esnek karar verme yaklaşımları
ÖMER KARAKOÇ
Doktora
İngilizce
2025
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BAHAR SENNAROĞLU
DOÇ. DR. SAMET MEMİŞ
- 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
2024
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. KAYA TOKMAKÇIOĞLU