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: Belirtilmemiş.
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
- Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri
Başlık çevirisi yok
GÖNÜL VAROL
Yüksek Lisans
Türkçe
1986
Besin Hijyeni ve Teknolojisiİstanbul ÜniversitesiÇocuk Gelişimi Ana Bilim Dalı
DOÇ. DR. TÜRKAN KUTLUAY
- Peyzaj düzenleme çalışmalarında kullanılan ve kullanılmaya uygun çeşitli taşların özellikleri ile İzmir ve yakın çevresinde bunlara ilişkin kaynaklar üzerinde araştırmalar
Başlık çevirisi yok
E. VECDİ KÜÇÜKERBAŞ
Yüksek Lisans
Türkçe
1985
Peyzaj MimarlığıEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. İLÇİN ASLANBOĞA
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Plazma arkı eldesi ve yüzey bölgesi modifikasyonunda kullanılabilirliği
Başlık çevirisi yok
ÖZKAN ÖZİPEKLİLER
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Çukurova bölgesinde biyoklimatik veriler kullanılarak açık ve yeşil alan sistemlerinin belirlenmesi ilkeleri üzerinde bir araştırma
A research on the determination of the principles in open and green spaces systems by using the bioclimatic data in Çukurova region
MEHMET FARUK ALTUNKASA
Doktora
Türkçe
1987
Çevre MühendisliğiÇukurova ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜLTEKİN