A deep learning based recommendation system design for banking customers using interaction data
Ardışıl veriler kullanılarak bankacılık müşterileri için derin öğrenme tabanlı tavsiye motoru tasarımı
- Tez No: 653767
- Danışmanlar: DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Son yıllarda, makine öğrenimi yaklaşımları birçok sektörde birçok geleneksel yöntemin yerini almaktadır. Bu gelişmelere paralel olarak bankacılıkta pazarlama operasyonları makine öğrenimi temelli uygulamalarla desteklenmeye başlamıştır. Bu çalışma, derin öğrenme teknikleri kullanarak bankacılık müşterileri için oldukça uygulanabilir bir ürün öneri yaklaşımı gerçekleştirmiştir. Bu amaçla, daha önce e-ticaret verilerine uygulanan dinamik tekrarlayan sinir ağı (DREAM) mimarisi, bankacılık müşteri verilerine uygulanmıştır. Ayrıca, sıralı müşteri verilerindeki eksik değerleri işlemek için Generatif Adversarial Networks (GAN) tabanlı bir çözüm entegre edilmiştir. Uzun Kısa Süreli Bellek ve Çok Katmanlı Perceptron tabanlı çözümlerle yapılan karşılaştırmalı deneyler, DREAM tabanlı öneri yaklaşımının bankacılık sektöründe ürün tavsiyesi için önemli bir potansiyele sahip olduğunu göstermiştir. Ayrıca, GAN bazlı çözümün eksik veri durumunda genel doğruluğu biraz iyileştirmesine rağmen, bu küçük iyileşmenin önemli bir hesaplama maliyeti karşılığında elde edildiğine dikkat edilmelidir.
Özet (Çeviri)
In recent years, the machine learning approaches take the place of many traditional methods in many sectors. In parallel with these developments, in banking, the marketing operations have begun to be supported by machine learning-based applications. This study realized a highly applicable product recommendation approach for banking customers using deep learning techniques. For this purpose, the dynamic recurrent neural network (DREAM) architecture, which has been previously applied to e-commerce data, has been applied to banking customer data for recommendation. Besides, a Generative Adversarial Networks (GAN)-based solution is integrated to handle missing values in the sequential customer data. The comparative experiments with Long Short-Term Memory and Multilayer Perceptron-based solutions showed that DREAM-based recommendation approach has an important potential to be used for product recommendation in banking sector. It should also be noted that, although GAN-based solution has slightly improved the overall accuracy in case of missing data, this small improvement was obtained in exchange for a significant extra processing time.
Benzer Tezler
- Билим, илим жана маданият тармагындагы Кыргызстан менен Түркиянын кызматташтыгы (1992-2012 жж.)
Kırgız Cumhuriyeti ile Türkiye Cumhuriyeti arasında eğitim, bilim ve kültürel ilişkiler (1992-2012)
KADRİ AĞGÜN
Doktora
Kırgızca
2016
TarihKyrgyz State University named after I ArabaevTarih Ana Bilim Dalı
PROF. DR. TÖLÖBEK ABDRAHMANOV
- Deep learning based recommendation system design
Derin öğrenme tabanlı öneri sistemi tasarımı
SEÇİL ŞEN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK FİKRET GÜRGEN
- Deep learning for game genre classification from game posters
Derin öğrenme ile oyun afişlerinden oyun türü sınıflandırması
BATIKAAN GÜNEŞ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı
PROF. DR. SANEM SARIEL UZER
- Derin öğrenme tabanlı multimodal ürün arama sisteminin geliştirilmesi
Development of a deep learning based multimodal product retrieval system
ENİS GÜMÜŞTAŞ
Doktora
Türkçe
2025
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. AYÇA ÇAKMAK PEHLİVANLI
- Enhancing matrix factorization-based recommendation systems: A comparative study on trip recommendation systems
Matris çözümlemesi tabanlı öneri sistemlerinin geliştirilmesi: Seyahat öneri sistemleri üzerine karşılaştırmalı bir çalışma
ABDULLAH UĞUR MAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN