Öneri sistemlerinde başarımı artırmak için yapay zeka tabanlı yaklaşımlar
Artificial intelligence based approaches to increase success in recommender systems
- Tez No: 686376
- Danışmanlar: DOÇ. DR. GAZİ ERKAN BOSTANCI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Yapay zeka, insan zekasını ve davranışlarını öğrenme ve taklit etme üzerine kurulu bir alandır ve yapay zeka teknikleri akıllı öneri sitemlerinde, akıllı karar destek sitemlerinde, oyun programlama, robotik, örüntü tanımlama gibi birçok işlevlerde kullanılmaktadır. Teknolojinin gelişmesiyle, bilgi aşırı derecede artmış, sonuç olarak yararlı bilgiye erişim ve bilginin yorumlanıp değerlendirilmesi zorlaşmıştır. Bu zorluğu aşmak adına kullanılan akıllı öneri sistemleri bireylerin duygu ve düşüncelerini de hesaba katarak onlara kısa sürede ve kişiye özel önerilerde bulunabilmektedir. Akıllı öneri sistemlerinin kullanıldığı alanların başınca e-ticaret siteleri, haber ve makale siteleri gelmektedir. Bu tez çalışmasında yapay zeka tabanlı yaklaşımlar ile öneri sistemlerinin başarısının artırımı amaçlanmıştır. İlk aşamada, Naif Bayes ve Tamamlayıcı Naif Bayes algoritmalarının performansı karşılaştırılmış, bu iki algoritma için en iyi doğruluk performansını gösteren yumuşatma, normalizasyon ve ağırlık parametreleri tespit edilmiştir. Tespit edilen parametreler kullanılarak bu iki algoritmayla duygu analizinde bulunulmuştur. Ardından, kullanıcı tabanlı bir öneri sistemi geliştirilmiş, kullanılan benzerlik hesaplama yöntemlerinin tahmin performansına olan etkisi gözlenmiştir. Son olarak, yapay sinir ağları kullanılarak öneri sisteminin tahmin performansı iyileştirilmeye çalışılmış, ardından, yapay sinir ağlarına genetik algoritma uygulanmıştır. Önerilen sistemin performansının literatürdeki güncel ve öncü çalışmaların performansından daha iyi olduğu görülmüştür.
Özet (Çeviri)
Artificial intelligence is a field based on learning and imitating human intelligence and behavior, and artificial intelligence techniques are used in many functions such as smart recommender systems, smart decision support systems, game programming, robotics, pattern identification. With the advancement of technology, information has grown enormously, as a result, access to useful information, interpretation and evaluation of it has become difficult. Intelligent recommender systems, which are used to overcome this difficulty, take into account the feelings and thoughts of individuals and can make personalized recommendation to them in a short time. The main areas where smart recommender systems are used are e-commerce, news and article sites. In this thesis, it is aimed to increase the success of recommender systems with artificial intelligence-based approaches. In the first stage, the performance of Naive Bayes and Complementary Naive Bayes algorithms was compared, and the smoothing, normalization and weight parameters showing the best accuracy performance for these two algorithms were determined. Emotion analysis was performed with these two algorithms using the determined parameters. Then, a user-based recommendation system was developed and the effect of the similarity calculation methods used on the estimation performance was observed. Finally, by using artificial neural networks, the predictive performance of the recommender system has been tried to be improved, then a genetic algorithm has been applied to artificial neural networks. It has been observed that the performance of the proposed system is better than the performance of current and pioneering studies in the literature.
Benzer Tezler
- Development of operation and maintenance strategies for offshore wind industry based on big data management
Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi
UWE LUETZEN
Doktora
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR BEJİ
- Ağ trafiğinin analizi, anomali tespiti ve değerlendirme
Analysis of network traffic, anomaly detection and evaluation
AKIN ASLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Equity portfolio optimization using reinforcement learning: An emerging market case
Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği
MERT CANDAR
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- A graph neural network model with adaptive weights for session-based recommendation systems
Oturum tabanlı öneri sistemleri için uyarlanabilir ağırlıklara sahip bir çizge sinir ağı modeli
BEGÜM ÖZBAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
DR. RESUL TUGAY