İşbirlikçi filtrelemede kümeleme ve boyut azaltma yaklaşımlarının performanslarının karşılaştırılması
Başlık çevirisi mevcut değil.
- Tez No: 636518
- Danışmanlar: DOÇ. DR. NEVİN GÜLER DİNCER
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
Öneri sistemleri (ÖS), özellikle e-ticaret hizmeti veren sistemlerde kullanıcıların geçmiş ürün tercihlerine ve sistemdeki diğer kullanıcılarla benzerliklerine dayanarak kullanıcılara kişiselleştirilmiş ürün ve hizmetleri öneri olarak sunmayı hedefleyen sistemler olarak tanımlanabilir. ÖS'lerin en temel amacı, büyük ölçekli veriler arasından kullanıcılar için anlamlı bilgiler ortaya çıkarmak ve kullanıcı ve ürünlerin karmaşıklığını azaltmaktır. ÖS'de kullanılan teknikleri girdi olarak aldıkları bilgilere göre içerik tabanlı ve işbirlikçi filtreleme(IF) olarak iki ana kategoriye bölmek mümkündür. İçerik tabanlı öneri sistemleri, öneri geliştirmek amacıyla makale, film, müzik ve roman gibi ürünlerin içerikleri ile ilgilenir. İF yöntemlerinde ise kullanıcıların ürün ve hizmetlere verdikleri puanlar dikkate alınır. IF teknikleri bu tezin ana konusunu oluşturmaktadır. IF tekniklerinin başarısı kullanıcılar arasındaki benzerliklerin doğru bir şekilde belirlenmesine bağlıdır. Ancak IF tekniklerinde çok sayıda kullanıcı ve kullanıcıların bu ürünlere verdikleri puanlardan oluşan büyük ölçekli veri setleri kullanılmakta ve dolayısıyla bu tür veri setlerinde kullanıcılar arasındaki benzerliklerin doğru bir şekilde tespit edilmesi oldukça güç olmaktadır. Bu problemin üstesinden gelmek amacıyla iki farklı yöntem kullanılmaktadır. Bu yöntemlerden ilkinde veri setine kümeleme analizi teknikleri kullanılarak birey bazında (kullanıcı veya ürün) daha küçük boyutlu veri setleri elde edilmekte ve İF yöntemleri bu veri setlerine uygulanmaktadır. Diğer yöntemde ise Tekil Değer Ayrışımı (TDA) ve Temel Bileşenler Analizi (TBA) yöntemleri kullanılarak boyut azaltma işlemi ürün (nesne) bazında gerçekleştirilmektedir. Şu ana kadar kümeleme analizi ve değişken boyut azaltma yöntemleri kullanan çok sayıda çalışma gerçekleştirilmiştir. Ancak değişik kümeleme ve boyut azaltma yöntemlerin gerçek veri setlerindeki performanslarını karşılaştırmak amacıyla geniş kapsamlı bir çalışma gerçekleştirilmemiştir. Bu tezde dördü hiyerarşik olmayan yedisi hiyerarşik kümeleme algoritmalarından oluşan onbir kümeleme tekniği ve TDA ve TBA tekniklerinden oluşan iki değişken boyut azaltma tekniğinin İF'de performanslarının karşılaştırılması amaçlanmıştır. Bu amaca yönelik olarak değişik kullanıcı ve ürün sayılarına sahip dokuz gerçek veri setleri kullanılmıştır.
Özet (Çeviri)
Recommender systems can be defined as the systems that aims to offer personalized products and services to users based on their past product preferences and based on their similarities with other users in the systems, especially in systems providing e-commerce services. The main objective of recommender systems is to reveal meaningful information for users from large-scale data sets and to reduce the complexity of users and of products. It is possible that the techniques used in the recommender systems are divided into two main categories as content based and collaborative filtering (IF) based on the information they receive as input. Content-based recommender systems are concerned with the content of products such as articles, movies, music and novels to develop recommends. In IF methods, the ratings that users give to products and services are taken into consideration. IF methods are the main subject of this thesis. The success of IF methods depend on determining of similarities between the users correctly. However, IF techniques use large-scale datasets consisting of the scores given by a large number of users and users to these products, so it is very difficult to accurately identify similarities between users in such datasets. In order to overcome these problems, two different methods are used. In the first of these methods, smaller data sets are obtained by using cluster analysis techniques and IF methods are applied to these data sets. In the other method, dimension reduction process is performed on the basis of product by using Single Value Decomposition (SVD) and Principal Component Analysis (PCA). So far, many studies that uses the cluster analysis and dimension reduction techniques that have been conducted. However, no comprehensive study has been encountered to compare the performance of different cluster analysis and dimension reduction techniques. In this thesis, it is aimed to compare the performances of eleven cluster analysis techniques, four of which are non-hierarchical and seven of which are hierarchical and the performances of two dimension reduction techniques, consisting of SVD and PCA. For this objective, nine real-time data sets with different users and products are used.
Benzer Tezler
- Clustering and recommendation system on Turkey hotel dataset
Türkiye otel verileri üzerinde kümeleme ve öneri sistemi
ÖMER ARİFOĞULLARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. GÜNCE KEZİBAN ORMAN
- Deep learning based hybrid recommender system
Derin öğrenme tabanlı öneri sistemi
MUHAMMET ÇAKIR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Yükseköğretimde öneri sistemlerine dayalı ders seçme modeli
Course selection model based on recommendation systems for higher educaiton
BÜLENT BATMAZ
Doktora
Türkçe
2018
Eğitim ve ÖğretimEskişehir Osmangazi Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. VEYSEL YILMAZ
- A content boosted hybrid recommendation system
İçerik arttırımlı hibrit bir öneri sistemi
SEVAL ÇAPRAZ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM TEMİZER
- Kullanıcı ve öge temelli yöntemlerin birlikte kullanıldığı işbirlikçi filtreleme tekniği geliştirilmesi
Hybrid system with combining user – based and item based collaborative filtering
YUSUF ÖZDEMİR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ NİZAM