Kullanıcı ve öge temelli yöntemlerin birlikte kullanıldığı işbirlikçi filtreleme tekniği geliştirilmesi
Hybrid system with combining user – based and item based collaborative filtering
- Tez No: 675733
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ NİZAM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Bu çalışmada öneri sistemlerinde işbirlikçi filtreleme tekniklerinden“kullanıcı temelli işbirlikçi filtreleme”ve“öge temelli işbirlikçi filtreleme”birlikte kullanılıp, bunlara ek olarak kullanıcı özelliklerinden de faydalanan daha önce çalışılmamış hibrit bir öneri sistemi modellenip uygulama haline getirilmiştir. Ayrıyeten öneri sistemlerinde tam olarak çözülemeyen soğuk başlangıç problemine de çözüm önerilmiştir. Yeni bir üye geldiğinde geçmişi olmadığı için bu kişiye ne önereceğini sistem tam olarak bilemez. Bu probleme soğuk başlangıç problemi denir. Öneri sistemlerinde eldeki verilere bakılıp benzerlik kurularak tavsiyeler oluşturulur. Klasik öneri sistemlerinde öncelikle pearson korelasyonu ile kullanıcı kullanıcı benzerliği veya öge öge benzerliği hesaplanır. Çalışılan modelde pearson ile kullanıcıların ögelere verdikleri oylar üzerinde benzerlik katsayıları çıkarıldı. Tahmin mekanizmalarıyla birlikte yaygın olarak kullanımı bilinen sınıflandırma algoritmalarından K ortalama kümeleme algoritmasının yanı sıra bu alanda hiç kullanılmamış olan karınca kolonisi optimizasyon algoritması (ACO), genetik algoritma ve yapay arı kolonisi algoritması gibi farklı algoritmalar ile kümeleme yapılmıştır. Bu kümelerdeki kullanıcıların birbirine benzediğini kabul edilip bunlar üzerinden tahminler yapılmaktadır. Önerilen modelde film önerisinde bulunmak için temel olarak 3 farklı türde tahmin yapılmaktadır. Bunlar klasik tahmin hesabı (Pearson, Öklid vb.), kullanıcı özelliklerini işin içine sokarak yapılan tahmin (yaş, cinsiyet vb.) ve kümeleme algoritmaları ile tahmin (karınca kolonisi algoritması, K ortalama kümeleme vb.). Çıkan bu sonuçların tümü için doğruluk hesaplaması yapılarak modelin işlevselliği test edilmiştir. Sonuçlar önerilen yeni hibrit sistemin klasik yöntemden daha iyi sonuçlar verdiğini göstermiştir.
Özet (Çeviri)
In this study, by using collaborative filtering techniques“user-based collaborative filtering”and“item-based collaborative filtering”in recommendation systems, a hybrid recommendation system that has not been studied before has been modeled and made into an application, which also benefits from user features. Also, a solution to the cold start problem, which cannot be solved completely in the recommendation systems, has been proposed. When a new member arrives, the system does not know exactly what to recommend to this person, as he has no history. This problem is called the cold start problem. Recommendations are created by looking at the available data and establishing a similarity in the recommendation systems. In classical recommendation systems, pearson correlation and user-user similarity or item-item similarity are calculated first. In the model studied, similarity coefficients on the rates given by the users to the items with pearson were calculated. In addition to the K - means clustering algorithm, which is one of the widely used classification algorithms with prediction mechanisms, different algorithms such as the ant colony optimization algorithm, genetic algorithm and artificial bee colony algorithm, which have never been used in this field, were clustered. It is accepted that the users in these clusters are alike and estimates are made on them. Basically, 3 different types of predictions are made to recommend a movie in the proposed model. These are classical prediction calculations (Pearson, Euclid etc.), prediction made by involving user characteristics (age, gender, etc.), and prediction with clustering algorithms (ant colony algorithm, K means clustering, etc.). The functionality of the model was tested by calculating the accuracy for all of these results. The results showed that the proposed new hybrid system gives better results than the conventional method.
Benzer Tezler
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Siyasal iletişimde şarkı kullanımı: 2019 yerel seçimlerinde AK Parti örneği
The use of songs in political communication: The case of AK Parti in 2019 local elections
HAKAN SİPAHİOĞLU
Yüksek Lisans
Türkçe
2020
İletişim BilimleriGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜN GÜVENLİ
- Hierarchical deep bidirectional self-attention model for recommendation
Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli
İREM İŞLEK
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ
- Günümüz sanatında yazının plastik bir dil olarak dışavurumsal kullanımı
Expressionist use of text as a plastic language in contemporary art
GÜNEŞ OKTAY
Sanatta Yeterlik
Türkçe
2017
Güzel SanatlarMarmara ÜniversitesiResim Ana Sanat Dalı
PROF. Z. RÜÇHAN ŞAHİNOĞLU ALTINEL
- Hybrid deep multi-criteria recommender system model
Hibrit derin çok kriterli öneri sistemi modeli
ABDULRAHMAN ALNAHHAS
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU