Modelling user habits and providing recommendations based on hybrid television standards using artificial neural networks together with genetic algorithms
Yapay sinir ağları ile birlikte genetik algoritmalar kullanılarak izleyici alışkanlıklarının karma televizyon standartları tabanlı modellenmesi ve öneri oluşturulması
- Tez No: 459176
- Danışmanlar: DOÇ. DR. SELÇUK KILINÇ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Bu tezde, yapay zekâ ve televizyon alanında geliştirilen son teknolojiler ile akıllı öneriler yapan yeni bir yöntem sunulmuştur. Bunu yapabilmek için, genetik algoritma (GA), yapay sinir ağı (YSA) ve Karma Yayın Genişbant Televizyon (KygTV) birleştirilerek kullanıcının televizyon izleme alışkanlıkları elde edilmiş ve profiller yaratılmıştır. Sonrasında bu profilleme baz alınarak kullanıcıya TV programları önerilmiştir. Bir KygTV uygulaması geliştirilerek gerçek televizyon izleme verisi toplanmıştır. Bu veri daha sonra kullanıcıları kümelemek için kullanılmıştır. Küme sayısı, bu tezde önerilen bir yöntem olan“GA ile Kontrollü Kümeleme (GAKK)”ile bulunmuştur. GAKK ile oluşturulan her küme için, ilgili kümenin kullanıcılarının izleme alışkanlıklarını öğrenmek üzere ayrı bir YSA tasarlanmıştır. Ağırlık dizeylerinin ilk değerleri de GA ile belirlenmiştir. Oluşturulan model sonrasında kullanıcılara aynı KygTV uygulaması ile öneriler sunmak için kullanılmıştır. Bu çalışmanın yeniliği birkaç alanda yer almaktadır. Bu, asıl olarak yayıncı tarafı ile ilgili bir yöntem olduğu ve KygTV yaygınca kabul edilmiş açık bir tüketici elektroniği standardı olduğu için önerilen bu yöntem alıcıdan bağımsızdır ve farklı alıcı markaları kullanan birçok kişiye ulaşabilir. Bu çalışmanın ana motivasyonu da budur. Kullanıcıları kümelendirmek YSA bazlı öğrenme kısmını geliştirmiştir. Bütün kullanıcıları aynı YSA'ya atamaktansa, açık yollarla elde edilen tercih edilen tür bilgisi kullanılarak kümeleme yöntemi kullanılmıştır. GA, kümeleme seçeneklerinden biridir, fakat iyi bilinen K-ortalamalar kümeleme algoritması ile kıyaslandığında daha iyi bir yaklaşım olarak kendini kabul ettirmiştir. GA ile kümelemede cezalandırıcı bir dönüşüm uygulamak, işlem maliyeti ve zamanı açısından önemli bir değişken olan YSA ağ boyutunu kontrol altında tutmaktadır. Benzer şekilde, YSA eğitimine rasgele değerler yerine önceden işlenmiş ağırlıklarla başlamak verimi arttırmaktadır.
Özet (Çeviri)
In this thesis, a novel method to make smart recommendations is proposed utilizing artificial intelligence and the latest technologies developed for the television area. For this purpose, genetic algorithms (GAs), artificial neural networks (ANNs), and Hybrid Broadcast Broadband Television (HbbTV) are combined to get the users' television viewing habits and to create profiles. Then, television programs are recommended to the users based on that profiling. An HbbTV application is developed to collect real television watching data from the users. Then, these data are employed to cluster users. The number of clusters is found by“Controlled Clustering with Genetic Algorithms (CCGA)”, a method proposed in this thesis. For each cluster formed by CCGA, a separate ANN is designed to learn the viewing habits of the users of the corresponding cluster. The weight matrices are initialized also by GA. The constructed model is then used to provide recommendations to the users again using the same HbbTV application. The novelty of this work lies in several areas. Since it is mainly a broadcaster side method and HbbTV is a widely accepted public standard, this proposal is device-agnostic and can reach many people using different device brands, which is the main motivation of this study. Clustering the users enhances the learning part, which is based on the ANN. Instead of assigning all users to the same ANN, clustering is introduced by utilizing preferred genre information obtained explicitly. GA is one of the clustering alternatives but it proves itself as a better approach when compared to the well-known K-means clustering algorithm. Introducing a penalizing transformation in clustering with GA keeps the ANN network size under control which is an important parameter in terms of processing cost and time. Similarly, starting the ANN learning with pre-processed weights rather than random values improves the performance.
Benzer Tezler
- Bilgi sistemlerinde bilgi akışı modellemesi
Başlık çevirisi yok
DUYGU DERİNÖZ
Yüksek Lisans
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET FAHRİ ÖZOK
- Yapay zekâ ve demokrasi
Artificial intelligence and democracy
AYŞE NUR YAZICILAR
Yüksek Lisans
Türkçe
2023
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. ŞULE ÖZSOY BOYUNSUZ
- The impact of metaverse technologies on temporomandibular joint education in dentistry
Metaverse teknolojilerinin diş hekimliğinde temporomandibular eklem eğitimi üzerine etkisi
SERVET BURAK KIZILKAYA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DAMLA TOPALLI
- Yapı bilişi modellemesinde erken evre mimari tasarım ve yerel veri ilişkisi
Early stage architectural design and local data relationship in building information modeling
ÜMİT ARAR
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. YÜKSEL DEMİR
- İç mekanda boyutsal algı deneyiminin sanal gerçeklik teknolojisi üzerinden irdelenmesi
Examination of size perception through virtual reality technology in interior spaces
UĞUR EFE UÇAR
Yüksek Lisans
Türkçe
2021
İç Mimari ve Dekorasyonİstanbul Teknik Üniversitesiİç Mimari Tasarım Ana Bilim Dalı
DOÇ. DR. ERVİN GARİP