Movıeadvısor: İçerik tabanlı film öneri sistemi
Movieadvisor: Content based movie recommendation system
- Tez No: 598883
- Danışmanlar: DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ
- 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: Çanakkale Onsekiz Mart Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
İnternet'in hızla büyüyen yapısı kullanıcıların aradıkları bilgiyi birçok kaynak arasından seçmesini zorlaştırarak, bilginin aşırı yüklenmesi sorununa neden olmaktadır. Öneri sistemleri kullanıcılara kişiselleştirilmiş hizmet ve ürün önerileri sağlamak için, çevrimiçi olarak her geçen gün hızla artan bilgileri filtreleyip en ilgili olanı kullanıcısı ile buluşturarak aşırı bilgi yüklenmesi sorununu çözmektedir. Öneri sistemlerinde kullanılan işbirlikçi filtreleme, içerik tabanlı filtreleme ve hibrit filtreleme olmak üzere üç temel filtreleme yöntemi vardır. Bu tez çalışmasında temelde içerik tabanlı filtreleme tekniğine dayanan, kullanıcı profillerinin oluşturulmasında yapay sinir ağları kullanılarak geliştirilen modelin performansı değerlendirilmiştir. Geliştirilen sistemin performansını eğitmek ve değerlendirmek için, film derecelendirmelerinin yanında kullanıcılara ait bir takım demografik özelliklerinde yer aldığı MovieLens veri kümesi kullanılmıştır. Geliştirilen modelin performans ölçümleri yapıldığında, kesinlik değerinin 57,19%, anma değerinin 99,79% ve doğruluk değerinin 57.24% olduğu görülmüştür.
Özet (Çeviri)
The rapidly growing structure of the Internet makes it difficult for users to choose the information they are looking for, among many sources. This causes the information overload problem. Recommendation systems filter online information that is increasing day by day and recommend the most relevant products. In this way, recommendation systems solve the information overloading problem and provide users with personalized service and product recommendations. There are three basic filtering methods used in recommendation systems: collaborative filtering, content based filtering and hybrid filtering. In this thesis we used neural networks to construct a content based receommendation model . In order to train and evaluate the performance of the developed system, MovieLens dataset which includes some demographic features of users as well as movie ratings were used. The performance of the developed model was measured as; 57,19% precision , 99,79% recall and 99,79% accuracy.