Recommendation system by link prediction approach on transactional data
İşlem verilerinde bağlantı tahmini yaklaşımı ile öneri sistemi
- Tez No: 680378
- Danışmanlar: PROF. DR. SELİM SAFFET BALCISOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Dünyanın süregelen dijitalleşmesi ile her saniye çok büyük miktarlarda veri üretilmektedir. Bu nedenle, kullanıcılara ilgili öğeleri önermek, birçok sistemde daha da önemli bir görev haline gelmiştir. Bu amaçla, öneri sistemlerinde altta yatan kullanıcı ilgilerini anlamak için işlem veri setlerinden yararlanılabilir. Yaygın olarak kullanılan öneri sistemleri, kullanıcıların geçmiş etkinliklerine dayalı bir kullanıcı öğe matrisinden faydalanan işbirlikçi filtrelemeye dayalı yaklaşımları benimsemektedir. Ancak bu yöntemler seyreklik ve ölçeklenebilirlik sorunları yaşayabilirler. Bu tezde, işlem veri setleri için grafik temsili öğrenme algoritmalarını ve gradyan artırıcı sınıflandırıcıları birleştiren, bağlantı tahmini tabanlı bir öneri sistemi, ölçeklenebilir bir çözüm olarak önerilmiştir. Önerilen sistem, düğümlerin kullanıcılara ve öğelere karşılık geldiği, bağlantıların aralarındaki etkileşimleri temsil ettiği bir ağ oluşturur. Bir kredi kartı işlem veri seti üzerinde, kullanıcıların bir sonraki ay içerisinde alışveriş yapabilecekleri işyerlerini tahmin eden bir üye işyeri tahmin görevi, bir kullanım senaryosu olarak bağlantı tahmini bağlamında incelenmiştir. Yaygın olarak kullanılan ağ gömme çıkarımı teknikleri ve sınıflandırıcı modellerinin performansları, deneyler yapılarak değerlendirilmiş ve bu değerlendirmelere dayalı olarak önerilen sistem oluşturulmuştur. Önerilen model ile matris çarpanlarına ayırma tabanlı alternatif bir ölçeklenebilir öneri yöntemi karşılaştırılmıştır. Önerilen yöntem, alıcı çalışma karakteristik eğrileri, eğri altında kalan alan ve ortalama kesinlik değerlerinin ortalaması metrikleri açısından alternatif yönteme göre daha üstün bir performans göstermiştir.
Özet (Çeviri)
With the continuous digitalization of the world, massive amounts of data are produced every second. Therefore, recommending relevant items to users has become a more important task in many systems. For this purpose, transaction data sets can be exploited in recommendation systems to understand underlying user interests. Commonly used recommendation systems adopt collaborative filtering based approaches that utilize a user-item matrix based on users' past activity. However, these methods may suffer from sparsity and scalability issues. In this thesis, a link prediction based recommendation system combining graph representation learning algorithms and gradient boosting classifiers for transaction data sets is proposed as a scalable solution. Proposed system generates a network where nodes correspond to users and items, and links represent the interactions between them. A use case scenario is examined on a credit card transaction data set as a merchant prediction task which is predicting the merchants where users can make purchases in the next month, in a link prediction context. Performances of common network embedding extraction techniques and classifier models are evaluated by conducted experiments, and based on these evaluations; the proposed system is constituted. A matrix factorization based alternative scalable recommendation method is compared with the proposed model. Proposed method has shown a superior performance than alternative method in terms of receiver operating characteristic curves, area under the curve, and mean average precision metrics.
Benzer Tezler
- Purchase prediction and item prediction with RNN using different user-item interactions
Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi
FULYA ÇELEBİ SARIOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- BMI prediction from face images
Yüz görüntülerinden vücut kitle indeksi tahmini
GÜLPINAR BÖLÜKBAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Hybrid approach to complex network-based link prediction for recommendation systems in Turkish publications
Türkçe yayınlarda öneri sistemleri için karmaşık ağ tabanlı bağlantı tahminine hibrit yaklaşım
ALI ASGHAR FAHAD FAHAD
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH ÖZKAYNAK
- Algebraic methods for link predictionin very large networks
Büyük ağ verilerinde düğüm tahminleme için cebirsel metotlar
MUSTAFA COŞKUN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolCase Western Reserve UniversityBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET KOYUTURK
- Kontrollü lagrange yöntemleri ve uygulamaları
Controlled lagrangian methods and applications
HÜSEYİN ALPASLAN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN