A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
- Tez No: 618409
- Danışmanlar: YRD. DOÇ. DR. SELİM TEMİZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Günümüzde e-ticaret ve sosyal medya sitelerinin çoğu tüketicilerin daha kolay ilgili ürün bulmalarına yardımcı olmak için öneri sistemleri kullanmaktadır. Öneri sisteminin anahtar özelliği kişiselleştirilmiş olmasıdır, yani kullanıcının ilgisine göre farklı kullanıcılar için farklı ürünlerin önerilmesidir. Literatürde öneri sistemlerini gerçekleştiren birçok algoritma ve araç vardır. Öneri sistemleri için en yaygın teknikler İşbirlikçi Filtreleme(CF) ve İçerik-Tabanlı Filtrelemedir(CBF). Etkinliğini ve doğruluğunu artırmak için, bu yöntemler bir hibrit öneri sistemi içerisinde birleştirilebilir. Apache Mahout, genel olarak CF, kümeleme ve sınıflanfırma algoritmalarına odaklanan bir araçtır. Bu çalışmada CF yöntemlerinden parça-bazlı ve kullanıcı-bazlı yöntemlerin makas değiştirme yaklaşımı ile harmanlanması için Apache Mahout kullanılmıştır. Parça-bazlı CF için Tanimoto Katsayısı Benzerlik ve Genel Boole Tercih algoritmaları kullanılırken, kullanıcı-bazlı CF için Pearson Korelasyon Benzerlik ve En Yakın N-Kullanıcı algoritması kullanılmıştır. Bundan başka, içerik-tabanlı filtreleme için tür-tabanlı ortalama değerlendirme eklenmiştir, böylece sonuç öneri listesi kullanıcı ile daha alakalı olmuştur. Önerilen hibrit algoritma MovieLens veri kümesi ile test edilmiş ve k-kat çapraz geçerleme yöntemi ile onaylanmıştır. Öneri sistemlerini daha doğru ve etkili yapabilmek amacıyla veriler içerisinde desenler bulmak ve bir model geliştirmek için kullanılan bu yeni hibrit öneri sistemi bu tez çalışması içerisinde önerilmekte ve detaylandırılmaktadır.
Özet (Çeviri)
Nowadays, most of e-commerce and social media sites use recommendation systems to help users find more relevant products easily. The key feature of recommendation is personalization which means different products are being offered for different users according to each user s interests. In literature, there are a lot of algorithms and tools which implement recommendation systems. The most common techniques for recommendation systems include Collaborative Filtering (CF) and Content-Based Filtering (CBF). To increase efficiency and accuracy, these methods can be combined in a hybrid recommendation system. Apache Mahout is one of the tools which focuses primarily on algorithms in the areas of CF, clustering and classification. In this study, we used Apache Mahout for blending item-based and user-based methods of CF with switching approach. The Pearson Correlation Similarity and Nearest N-User Algorithm is used in user-based CF, while Tanimoto Coefficient Similarity and Generic Boolean Preference is used in item-based CF. Moreover, we added genre-based average ratings as content-based filtering so that the final recommendation list becomes more relevant to user. The proposed hybrid algorithm is tested on MovieLens dataset and validated with k-fold cross validation. This new hybrid recommendation system that is used to find patterns in data and develop a model for the purpose of making accurate and efficient recommender systems is proposed and detailed in this thesis study.
Benzer Tezler
- An ontology-based hybrid recommendation system using semantic similarity measure and feature weighting
Anlamsal benzerlik ölçüsü ve özellik ağırlıklandırmaya dayanan ontoloji tabanlı melez bir tavsiye sistemi
UĞUR CEYLAN
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. AYŞENUR BİRTÜRK
- User preference boosted content-based recommender system
Kullanıcı tercihi destekli içerik tabanlı tavsiye sistemi
TUĞÇE ÖZBERK YENER
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. SEVGİ ÖZKAN
- A hybrid movie recommender using dynamic fuzzy clustering
İçerikle desteklenmiş kooperatif filtreleme algoritmasına dayalı melez ve dinamik bir öneri sistemi
FATİH GÜRCAN
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
DR. AYŞENUR BİRTÜRK
- Intermittent and continuous drying of foods in a developed microwave-convective hybrid dryer
Geliştirilen mikrodalga-konvektif hibrit bir kurutucuda gıdaların fasılalı ve sürekli kurutulması
AHMAD ASWAD GHULAM HADDAD
Yüksek Lisans
İngilizce
2021
Makine MühendisliğiFırat ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. DUYGU EVİN
- Türkiye iklim bölgeleri bağlamında ekolojik tasarım ölçütleri sistematiğinin oluşturulması- Kayaköy yerleşmesinde örneklenmesi
Forming ecological design criteria systematics in terms of climate regions in Turkey: Kayaköy settlement sample
PINAR KISA OVALI