Collaborative filtering recommendation system: Comparison study
İşbirliğine dayalı filtreleme tavsiye sistemi: Karşılaştırma çalışması
- Tez No: 509527
- Danışmanlar: PROF. DR. OSMAN UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Tavsiye Sistemleri (TS) kullanıcılara potansiyel olarak ilgilerini çekebilecek seçenekleri önererek bilgi aşırı bilgi yüklenmesi ile ilgili problemlerin çözümü konusunda büyük bir ilgi görmektedir. Tavsiye sistemleri genellikle belirli tekniklerden birinde belli sayıda öneri üretir. Tavsiye Sistemleri üç türe ayrılır: İçerik Temelli Filtreleme, İşbirliğine Dayalı Filtreleme ve Hibrit Tavsiye Sistemi. İşbirliğine Dayalı Filtreleme (İDF) en yaygın kullanılan tavsiye tekniğidir ve birçok ticarî alana yaygın bir biçimde uyarlanmıştır. Bununla birlikte, İDF herhangi bir ek bilgiyi değerlendirmez ve bu yüzden soğuk başlatma ve veri seyrekliği problemlerinin çözümünü zorlaştırır. Çoğu bilgi için de söz konusu olduğu şekilde, Tavsiye Sistemi'nin de soğuk başlatma, veri seyrekliği ve ölçeklenebilirlik gibi bazı sorunları vardır. Bu sorunların çözülmesi ve tahmin doğruluğunun arttırılması için birçok araştırma yapılmaktadır. Bu araştırma, Tavsiye Sistemleri'ndeki farklı algoritmalar olan KEYK (k-En Yakın Komşuluk), TDA (Tekil Değer Ayrışması) ve Naïve Bayes arasında karşılaştırmalar üreterek bunların en iyi performanslarının kontrol edilmesini sağlayacaktır. İki farklı veri seti boyutu (% 80 ve % 20 ile % 60 ve % 40) uygulanmıştır ve her bir boyut eğitim ve test içeriğine sahiptir. Dahası, performans da üç ölçü (OMH (Ortalama Mutlak Hata), KOKH (Kök Ortalama Kare Hatası) ve zaman) ile hesaplanmıştır. Elde edilen sonuçlar, her iki veri seti için de gerek OMH gerekse KOKH'nda en yüksek doğruluk derecesinin Naïve Bayes ile sağlandığını, zaman açısından ise sonuçların veri setinin boyutuna ve algoritma tekniğine bağlı olarak farklılık gösterdiğini ortaya koymuştur.
Özet (Çeviri)
Recommender systems (RS) have been getting serious attention in solving information overload problems by suggesting to users, items that are potentially of interest to them. Recommendation systems usually produce a number of suggestions in one of the given techniques. The RS divided into three types: Content-based filtering, Collaborative Filtering and Hybrid recommender system. Collaborative Filtering (CF) is the most popular recommendation technique and widely adopted in many commercial domains. However, CF does not consider any additional information, making it difficult to solve the cold-start and data sparsity problems. As found in most knowledge, likewise, Recommender system has some problems such as cold-start, data sparsity and scalability and so on; many researches are done to solve these problems and to increase the accuracy of the prediction. This study will produce comparison of different algorithms in RS, which are KNN, SVD and Naïve Bayesian to check the best performance of them. Two different sizes of dataset is applied (80% with 20%) and (60% with 40%) each size includes training and testing. Moreover, the performance is computed by three metrics (MAE, RMSE and time). The results revealed that Naïve Bayesian has highest accuracy in both metrics MAE and RMSE for both sizes of the datasets for; whereas in term of time the result was vary, depending on size of the dataset with the technique of the algorithm.
Benzer Tezler
- Derin öğrenme tabanlı işbirlikçi filtreleme yöntemini kullanarak restoran tavsiye sisteminin geliştirilmesi
Developing restaurant recommendation system with neural collaborative filtering method
TOLGA HAMİTOVALI
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ILHAM HUSEYINOV
- İşbirlikçi filtreleme yöntemlerinin geliştirilen bir uygulama ile karşılaştırılması
Comparison of collaborative filtering methods with an application developed
GİZEM ZEYNEP PARİM
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU
- Determining e-commerce product recommendation systems utilizing mcdm methods
Çkkv yöntemlerini kullanarak e-ticaret ürün öneri sistemlerinin belirlenmesi
MİNE YAVUZ ŞAFAK
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- A comparison of different recommendation techniques for a hybrid mobile game recommender system
Melez mobil oyun tavsiye sistemi için farklı öneri tekniklerinin karşılaştırılması
HASSANE NATU HASSANE CABİR
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. RUKET ÇAKICI
PROF. FERDA NUR ALPASLAN
- E-ticaret için ürün tavsiye sistem geliştirmesi
Product recomendation system development for e-commerce
WALEED ABDULLAH
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA CEM KASAPBAŞI