Derin öğrenme yöntemleri kullanılarak ürün önerme sistemi tasarımı
Design of product recommendation system by using deep learning methods
- Tez No: 577560
- Danışmanlar: PROF. DR. HASAN ERDAL, DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 60
Özet
Bu tez çalışmasında, derin öğrenme yöntemi olan Otomatik Kodlayıcılar (AutoEncoder) kullanılarak bir ürün öneri sistemi tasarlanmıştır. Tasarlanan öneri sistemi TensorFlow platformunda Python programlama dili kullanılarak gerçekleştirilmiştir. Kullanılan veri seti, GroupLens araştırmacılarının MovieLens internet sitesi kullanıcılarından topladığı 1 ile 5 arasındaki puanlardan (açık geri bildirim) oluşan MovieLens 1M veri setidir. Yapılan tez çalışması dört bölümden oluşmaktadır. Birinci bölümde öneri sisteminin ve derin öğrenmenin önemi, literatürdeki çalışmalar ve bir öneri sistemi tasarlanırken kullanılan yöntemler açıklanmıştır. İkinci bölümde ise tasarlanan öneri sistemi aşamalar halinde anlatılmıştır. Sistemin başarısının artırılması için en uygun optimizasyon algoritmasının bulunmasına çalışılmış ve veri miktarındaki artışın optimizasyon algoritması üzerindeki etkisi incelenmiştir. İncelenen Gradyan Alçalma, Hızlı Gradyan Alçalma, RmsProp ve Adam (Adaptive Momentum Optimization) algoritmalarının sonuçları tablolar ve grafikler halinde gösterilmiştir. Üçüncü bölümde ise sonuçlar değerlendirilmiş ve Adam algoritmasının 1,363 puan test hatası ile en başarılı algoritma olduğu tespit edilmiştir. Ayrıca eğitim setindeki veri miktarı arttıkça öneri sisteminin başarısının arttığı görülmüştür. Dördüncü bölümde ise bu sonuçlar açıklanmış daha iyi bir öneri sistemi için yapılabilecek ileriye yönelik planlanan çalışmalardan bahsedilmiştir.
Özet (Çeviri)
In this study, a product recommendation system was designed using the deep learning method AutoEncoder. This designed recommendation system was implemented using the Python language on the TensorFlow platform. MovieLens 1M dataset was used which consists of the movie ratings ranging from 1 to 5 and collected by the GroupLens researchers from the users of MovieLens website. The study was written in four sections. In the first section, the significance of the recommendation system and the deep learning approach, the studies which already exist in the literature, and the methods that are used when designing a recommendation system were clarified while in the second section, the designed recommendation system was elaborated step by step. Furthermore, it was tried to find the best optimization algorithm to improve the success of the system and the effect of increasing the amount of data that was analyzed. The results of the algorithms of Gradient Descent, Gradient Descent with Momentum, RmsProp and Adam were depicted in both tables and graphs. In the third section, findings were evaluated and as a result, the Adam was shown to be the best algorithm with 1,363 points of test error. It was observed that the more data a training set has, the more successful the recommendation system is. In the fourth section, all the results from the processes mentioned above were summarized and the studies which can be conducted in order to implement a better recommendation system as future plans were stated.
Benzer Tezler
- Bilgisayar ve internet destekli uzaktan eğitim programlarının tasarım, geliştirme ve değerlendirme aşamaları (SUZEP örneği)
Design, development and evaluating stages of computer and internet supported distance education program (on the model of SUZEP)
BİROL GÜLNAR
Yüksek Lisans
Türkçe
2003
Radyo-TelevizyonSelçuk ÜniversitesiRadyo Televizyon Ana Bilim Dalı
PROF.DR. AHMET HALUK YÜKSEL
- Derin öğrenme yöntemleri kullanılarak ürün önerme sistemi
Product recommendation system using deep learning methods
ALİ SARIKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. ALİ GÜNEŞ
- Deep hybrid recommender system
Derin hibrit öneri sistemi
DİDEM TÜRKER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Developing a decision-support system using machine learning and deep learning models for daily demand forecasting: A case study
Günlük talep tahmini için makine öğrenimi ve derin öğrenme modelleri kullanarak karar destek sistemi geliştirme: Bir vaka çalişmasi
RANA EZGİ KÖSE
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ