Graph-based hybrid recommender systems
Grap tabanlı melez öneri sistemleri
- Tez No: 589908
- Danışmanlar: DOÇ. KEMAL ÖZKAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Öneri sistemleri, diğer kullanıcılarının verilerini kullanarak kullanıcılarına çeşitli ürün ve hizmet önerilerinde bulunmaktadır. Bu sistemler, kullanıcıların ürünlere ilişkin kişisel tercihlerini verdikleri oylamalara dayandırarak ve benzer kullanıcıların tercihlerine dayanan ürün önerileri sunarlar. Bu sistemlerin başarısı hem kullanıcılar için hem de bu tür sistemleri kullanan e-ticaret siteleri için önemlidir. Yanlış ve güvenilir olmayan ürün önerileri kullanıcıların alternatif alışveriş sitelerine yönelmesine neden olmaktadır. Bu nedenle, öneri sistemleri alanı birçok çözülmemiş problemi ihtiva eden zorlu bir araştırma alanıdır ve sorunların üstesinden gelmek için birçok farklı hibrit öneri algoritması önerilmiştir. Farklı bilgi kaynaklarını kullanan hibrit modeller son yıllarda fazla dikkat çekmektedir. Bu tezde, ürünleri ve ilgili kullanıcıları temsil edebilmek için oylamaları ve ürünlere ait imgeleri kullanan bir graf tabanlı hibrit öneri sistemi önerilmektedir. Ayrıca, sadece kullanıcı-ürün oylamalarından yararlanan başka bir graf tabanlı öneri sistemi önerilmiştir. Bir grafta öneri üretme bir bağlantı tahmin problemidir ve bağlantı tahmin yaklaşımları, beğenme veya beğenmeme, ve benzer veya benzerolmayan temel ilişkisel dualiteleri birbirinden ayırmak için kullanılmaktadır. Ancak, kullanıcılar (veya öğeler) arasındaki benzer veya benzer olmayan ilişkiler çoğunlukla göz ardı edilmektedir. Dolayısıyla, sistemin doğruluğunu arttırmak için kullanıcı-kullanıcı ve ürün-ürün benzer/benzerolmayan ilişkileri ile beğenme/beğenmeme ikiliklerini kullanan bir bağlantı tahmin metodu önerilmiştir. Benzer şekilde üçgen kapanış modeli bu benzerlik ilişkileriyle genişletilmiş ve her bir benzerlik ilişkisini bir sayı olarak temsil etmek için sayı sistemleri araştırılmıştır. Bağlantı tahmin algoritmalarının kuaterniyon ve kompleks sayı sistemlerinde kullanılışı incelenmiştir. Önerilen benzerlik içeren bağlantı tahmin yöntemi diğer kuaterniyon ve kompleks sayı sistemlerinde çalışan yöntemlerle karşılaştırıldığında standart Amazon ve MovieLens veri kümeleri üzerindeki deneylerde daha iyi bir performans göstermiştir. Deneysel sonuçlar, önerilen öneri sisteminin, öneri sistemlerindeki eksikliklerin üstesinden gelmek için tercih edilebilir alternatif bir sistem olabileceğini göstermektedir.
Özet (Çeviri)
Recommender systems provide recommendations about various products and services to their users by using other users' data. These systems depend on personal user preferences on items via ratings and recommend items based on choices of similar users. Their success is imperative for both users and the e-commerce vendors utilizing such systems. Since inaccurate and unreliable product recommendations make users search alternative sites for shopping. Hence, recommender systems are a challenging research field with many unresolved problems and many different hybrid recommendation algorithms have been proposed to overcome these problems. Hybrid models that use different information sources (text, images, ratings, etc.) for recommendation are getting more attention in recent years. In this dissertation, a graph-based hybrid recommender system is proposed that is incorporating numerical ratings and product images to learn items and the corresponding user's representations. Moreover, another graph-based recommender system, that utilizes only user-item ratings, is proposed. In the current literature, recommendation generation in a graph based model is a link prediction problem and link prediction approaches are used to distinguish between fundamental relational dualities of like or dislike and similar or dissimilar. However, similar and dissimilar relationships between users (or items) are mostly disregarded. Hence, a link prediction method is proposed that utilizes user-user and item-item similar/dissimilar relationships with like/dislike dualities in order to improve the accuracy of the system. Similarly, triangle closing model is expanded with similarity relationships, and then the number systems are investigated to represent each similarity entity as a number. The usage of link prediction algorithms is examined for the quaternion and the complex number systems. On the standard Amazon and MovieLens datasets, the proposed similarity-inclusive link prediction method performed empirically well compared to other methods operating in the quaternion and complex domain. The experimental results show that the proposed recommender system can be a plausible alternative to overcome the deficiencies in recommender systems.
Benzer Tezler
- Tavsiye sistemlerinde node2vec gömme ve sinirsel işbirlikçi filtreleme kullanımı
Recommender systems using node2vec embedding and neural collaborative filtering
YOLANDE MARGARET GOSWELL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TOLGA AYDIN
- Recommender system for employee attrition prediction and movie suggestion
Çalışan yıpranması tahmini ve film tavsiyesi için öneri sistemi
FATMA ÖZDEMİR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEHBİ ÇAĞRI GÜNGÖR
DR. MUSTAFA COŞKUN
- A graph-based core model and a hybrid recommender system for TV users
Çizge tabanlı bir öz model ve TV kullanıcıları için melez öneri sistemi
ARDA TAŞCI
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- A user modeling and recommendation system by means of social networks
Sosyal ağlar yardımıyla kullanıcı modelleme ve tavsiye sistemi
ALİ KARAKAYA
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Graf tabanlı yaklaşım ile uzun vadeli trafik akış hızı tahmini
Long term traffic speed prediction with graph based approach
CEREN KESKİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET AMAÇ GÜVENSAN