A hybrid recommendation system
Bir hibrit tavsiye sistemi
- Tez No: 444749
- Danışmanlar: YRD. DOÇ. DR. OĞUZ ALTUN
- 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: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 62
Özet
İnternet büyümesi her geçen gün gözlenmekte, özellikle de sosyal ağlarda bu durum fazlası ile hissedilmektedir. Sunulan ürünlerin, web sayfalarının fazlalığı, belli bir konuda araştırma yapan kişi için kendi konusu ile alakalı hususları bulmayı oldukça meşakkatli hale getirmektedir. Öte yandan, kullanıcıların farklı tutumları ve tercihleri, büyük bir kullanıcı grubu arasında bir“komşu”kullanıcı bulmayı zorlaştırmaktadır. Bu nedenle otomatik yazılım sistemleri, kullanıcılar için neyin ilgi çekici olduğunu tespit etmekte zorlanmaktadırlar. Bu akışa uyum sağlamak için yeni bir yaklaşım önerdik. Bir özet matris oluşturmak için eğitim verisi alan bilgisini kullanacağız. Özet matrisi, seçilen özelliğin özellik değerlerine göre yeni ve birkaç sütundan oluşur. Özet matrisini, derecelendirilmiş öğeler için kullanıcının profilinde görünen özellik sayısına göre ortalama derecelendirmelerle doldururuz. Özet matrisini iki hibrit tavsiye sisteminde kullanırız. Yaklaşımımızda, boru hattı hibritizasyon tekniklerinden biri olan meta-seviye tekniğini kullanıyoruz. Bizim önerdiğimiz yaklaşım sayesinde, katılımcı tavsiye sistemlerinde sıklıkla görülen seyreklik, soğuk başlangıç ve ölçeklenirlik gibi sorunların etkileri azalacaktır. Ek olarak, tam katılımcı filtreleme yaklaşımı Pearson Korelasyonu yaklaşımı ile karşılaştırıldığında, tavsiyelerin doğruluğunu yükseltmektedir ve daha hızlı olacak.
Özet (Çeviri)
Web growth, especially in social networks, is continuously increasing every day. Multiplicity of products offered and web pages has made picking up relevant items a tedious job. On the other hand, different tastes and behaviors of users is creating the probability to find a similar user among a large group of users difficult. As a result, automated software systems have difficulty to discover what is interesting to users. We have proposed a new approach to adapt to this flow. We will exploit domain knowledge of training data set to create a summary matrix. The summary matrix consists of new and few columns according to the attribute values of the selected feature. We fill the summary matrix with the average ratings based on the number of times that the attribute values appear in the user's profile for rated items. We use the summary matrix in two hybrid recommender systems. In our approach, we use meta-level technique which is one of the pipelined hybridization techniques. The proposed approach will reduce the effects of sparsity, cold start, and scalability which are common problems with the collaborative recommender systems. Also, the proposed approach will improve the recommendation accuracy when there is comparison with the Collaborative Filtering Pearson Correlation approach and it will be faster.
Benzer Tezler
- A hybrid recommendation system application by RFM segmentation
RFM segmentasyonu ile bir hibrit öneri sistem uygulamasi
BEGÜM UYANIK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNCE KEZİBAN ORMAN
- A hybrid recommendation system capturing the effect of time and demographic data
Profil verilerini kullanarak kulanıcı tercihlerinde zamana bağlı değişimi yakalayan melez önerme sistemi
FULYA OKTAY
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. FERDA NUR ALPASLAN
- Derin öğrenme yöntemlerini kullanarak hibrit öneri sistemi geliştirilmesi
Developing a hybrid recommendation system using deep learning methods
HAZAL ÖZGE YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU
- A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
SEVAL ÇAPRAZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM TEMİZER
- Hybrid recommendation system approach for appropaite developer selection in bug repositories
Hata depolama alanlarında uygun geliştirici seçimi için hibrit tavsiye sistem yaklaşımı
MOHANAD RIYADH ABDULRAHMAN AL-IMARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. SEFER KURNAZ