Geri Dön

Tavsiye sistemlerinde node2vec gömme ve sinirsel işbirlikçi filtreleme kullanımı

Recommender systems using node2vec embedding and neural collaborative filtering

PDF İndir

  1. Tez No: 634790
  2. Yazar: YOLANDE MARGARET GOSWELL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TOLGA AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: tavsiye sistemi, sinirsel işbirlikçi filtreleme, node2vec, graf gömme, recommender systems, neural collaborative filtering, node2vec, graph embedding
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Amaç: Bu tezde, tavsiye sistemlerinin geliştirilmesinde kullanılan farklı tekniklerin kapsamlı bir çalışması sunulmaktadır. Çalışmamızda, farklı veri tiplerinin tavsiye sistemlerine nasıl dâhil edildiği konusu da araştırılmıştır. Bu tezde, sinirsel işbirlikçi filtrelemeyle birleştirilmiş grafsal bir veri temsili sunularak node2vec-NCF adlı bir model sunulmuş ve tavsiye etme süreçleri gerçekleştirilmiştir. Yöntem: Node2vec olarak bilinen bir graf gömme yöntemi kullanarak, kullanıcı ve öğe varlıklarını verilerin yapısal bütünlüğünü yakalayacak bir şekilde temsil ederiz. Bu, daha sonra, verilen bir kullanıcı-öğe çiftinin derecesini tahmin eden bir sinirsel işbirlikçi filtreleme çerçevesine girdi olarak kullanılmaktadır. Bulgular: Modelimiz doğruluk metriklerinin yanı sıra hassasiyet ve hatırlama metriklerinde geleneksel yöntemlerden daha iyi performans göstermiştir. Modelimizin performansı, node2vec gömme yönteminin veri setinde bulunan gizli özellikleri doğru yakalama yeteneğiyle ilişkilendirilebilir. Sonuç: Modelimiz geleneksel tavsiye sistemi algoritmalarından daha iyi performans göstermiştir. Model, işbirlikçi filtreleme için derecelendirme değerlerinden yararlansa da, metin ve görüntü gibi çeşitli veri türlerini içerecek veya karma (hibrit) bir sistemin bir parçası olacak şekilde genişletilme potansiyeline sahiptir.

Özet (Çeviri)

Purpose: In this thesis, we present a comprehensive study of the different techniques used in recommender systems development. We also looked at how different datatypes are incorporated into recommender systems. We present a graph data representation combined with neural collaborative filtering to perform recommendations, called the node2vec-NCF model. Method: Using a graph embedding method known as node2vec we represent user and item entities in a manner that captures structural integrity of the data. This is then used as input to a neural collaborative filtering framework that predicts the rating for a given user-item pair. Finding: Based on the evaluation of our model using accuracy and performance metrices (precision and recall), our model performed better than traditional methods. The performance of our model can be attributed to the ability of the node2vec embedding method to truly capture hidden features found in the dataset. Results: Our model performs better than traditional recommender system algorithms. Even though the model makes use of rating values for collaborative filtering, it has the potential to be extended to include varied data types such as images, text or included as part of a hybrid system.

Benzer Tezler

  1. Tez No

    779478

    Enriching predictive models using graph embeddings

    Tahminleme modellerinin çizge gömmeleri kullanılarak zenginleştirilmesi

    YAREN YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  2. Tez No

    863483

    The bid/no-bid framework utilizing Node2Vec for international contractors

    Uluslararası yükleniciler için Node2Vec ile teklif/red çerçevesi oluşturulması

    HALİT FERDİ AVCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ONUR BEHZAT TOKDEMİR

  3. Tez No

    676402

    Investigation of embedding methods on gnn basedrecommender models

    Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması

    MUSTAFA AKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  4. Tez No

    341180

    Clustering based diversity improvement in recommender systems

    Tavsiye sistemlerinde kümeleme algoritması kullanarak çeşitliliğin geliştirilmesi

    MAHMUT ÖZGE KARAKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TEVFİK AYTEKİN

  5. Tez No

    877300

    Improvements in recommender systems: Addressing data sparsity and class imbalance with attribute integration and network science

    Tavsiye sistemlerinde iyileştirmeler: Veri seyrekliği ve sınıf dengesizliğinin öznitelik entegrasyonu ve ağ bilimi ile ele alınması

    ELİF ECE ERDEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜNCE KEZİBAN ORMAN

Geri Dön