Adapting a recommendation system according to changing user consideration
Bir öneri sistemini değişen kullanıcı düşüncesine göre uyarlamak
- Tez No: 688142
- Danışmanlar: PROF. DR. CİHAN KALELİ
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 134
Özet
Öneri sistemi, müşterilere mevcut seçenekler listesinden bir ürün seçerken kişiselleştirilmiş öneriler sunmak için kullanılmaktadır. Tavsiye için en sık kullanılan teknik işbirlikçi filtrelemedir. Bir işbirlikçi filtreleme algoritmasında, aynı eylemlere sahip kullanıcıları keşfetmede kullanılan benzerlik faktörü kullanıcı derecelendirmesine dayalı önerilerin kritik bileşenlerinden biridir ve tavsiye sistemi başka bir varlık ile ilgili hiçbir bilgiyi dikkate alınmamaktadır. Bu yöntemler başarılı tahminler üretebilse de, ölçeklenebilirlik sorunları, uygun komşuları bulma ve soğuk başlatma problemiyle yüzleşme gibi bazı dezavantajları bulunmaktadır. Bu nedenle, bu şekilde hesaplanan benzerlik, sınırlı bir dizi deneyimi paylaşan kullanıcı çiftleri için değişkendir ve belirli ortak beğenilerin olmaması nedeniyle çoğu kullanıcı için karar verilemez. Bu tez çalışmasında, değişken kullanıcı tercihlerini belirlemek ve doğru önerilerde bulunmak için farklı çözümler sunulmaktadır. İlk çözüm ile varlıkların benzerlik düzeyini belirlemeye odaklanan korelasyon ve eğime dayalı yeni bir komşu seçim yaklaşımı önerilmektedir. Bağlantılı varlıkların önem derecesine göre benzerlikleri ana hatlarıyla belirtilmiştir. Ek olarak, yakın komşulardan ilk erişilebilir derecelendirmeye dayalı tahmin üretmek için yeni bir model önerilmektedir. İkinci çözüm olarak yalnızca birkaç derecelendirme mevcut olduğunda bile her kullanıcının benzerliklerini belirleyerek öneri doğruluğunu artırmak için yeni bir kullanıcı benzerliği ölçüsü sunulmaktadır. Önerilen modelde, farklı derecelendirmelerin oranına ve bu farklılığın en yüksek değerine dayalı olarak yalnızca kullanıcıların ortak derecelendirmelerini dikkate alınmaktadır. Üçüncü yöntem ise daha doğru öneriler sağlamak için öğe türü özelliklerini kullanan bir kullanıcı benzerlik algoritması sunmaktadır. Öğe türü tercihlerine dayalı olarak kullanıcılar arasında bir ilişki kurar, mevcut kullanıcıların her türdeki en yakın komşularını tanımlar ve tüm türlerde aynı zevki paylaşan en yakın komşuların nihai listesini oluşturur. Son olarak, ürün derecelendirmeleri tahmin etmek için kesin bir tahmin süreci kullanılır. Ek olarak, yeni kullanıcının seçtiği öğe türü hakkında sorgulamaya yönelik“Derecelendirme İsteme”tekniği/uyarlanabilir yaklaşım yoluyla kullanıcı soğuk başlatma sorununa bir çözüm önerilmektedir. Ardından, aynı türden en iyi kullanıcılar, aktif kullanıcı için en yakın komşular olarak kabul edilir. Modelin doğruluğunu değerlendirmek için derecelendirme seviyesi ve derecelendirme seviyesinin kullanıcılar arasındaki güvenilirliği olarak iki ek değerlendirme kriteri önerilmektedir. Gerçek dünya veri setleri üzerinde çok sayıda test yapılmıştır. Deneysel sonuçlar, önerilen algoritmaların oldukça doğru ve güvenilir tahminler ürettiğini göstermektedir.
Özet (Çeviri)
The recommendation system is used to provide personalized recommendations to clients when they are selecting a product from a list of available options. The most often used technique for recommendation is collaborative filtering. In a collaborative filtering algorithm, the similarity factor employed in discovering the users with the same actions is one of the critical components of recommendations based on user rating for items; it does not consider any other information related to the recommender system entity (user and item). Although these methods can produce successful predictions, they have some drawbacks, such as scalability issues, finding suitable neighbors, and facing the cold-starting problem. Thus, the similarity computed in this manner is volatile for user pairs sharing a limited set of experiences and is undecidable for most users due to the absence of specified common tastes. In this dissertation, different solutions are presented to identify fluctuating user preferences and provide accurate recommendations. The first solution proposes a novel neighbor selection approach based on correlation and slope that focuses on determining the relevance of entities. It is outlined the connected entities' similarities according to importance degree. Additionally, we proposed a new model for rating prediction based on the first accessible rating from nearby neighbors. The second solution introduces a new user similarity measure to promote recommendation accuracy by determining each user's similarities even when only a few ratings are available. The suggested model considers only users' common ratings based on the proportion of dissimilar ratings and the highest value of this dissimilarity. The third method provides a user similarity algorithm that uses item genre characteristics to provide more accurate suggestions. It establishes a relationship between users based on item genre preferences, identifies the current users' nearest neighbors in each genre, and generates a final list of nearest neighbors who share the same taste across all genres. Finally, it uses a definite prediction process to forecast ratings for goods. Additional to suggest a solution to the user cold-start problem via the“Ask-to-rate”technique/adaptive approach of inquiring about the new user's chosen item genre. Then, top users from the same genre are considered nearest neighbors for the active user. To assess the model's accuracy, we suggest two additional assessment criteria: the rating level and the rating level's reliability among users. Numerous tests on real-world data sets have been undertaken. The experimental results demonstrate that the suggested algorithms generate highly accurate and reliable predictions.
Benzer Tezler
- Exploring opinions of corporate instructional designers on their professional development and training needs
Kurumsal öğretim tasarımcılarının mesleki gelişim ve eğitim ihtiyaçları konusundaki görüşlerinin araştırılması
NAZLI GÖKALP
Yüksek Lisans
İngilizce
2025
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiEğitim Programları ve Öğretimi Ana Bilim Dalı
DR. ELİF ÖZTÜRK
- Aralık değerli küresel bulanık analitik hiyerarşi prosesi yöntemi kullanılarak bir yalın olgunluk değerlendirme modeli önerisi
A lean maturity assessment model proposal using interval-valued spherical fuzzy analytic hierarchy process method
ASİYE YÜCEDAĞ GÜREL
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER KİRAZ
- Termal turizm işletmelerinin müşterilerce genel olarak değerlendirilmesi: Özel bir termal tesis müşterileri üzerinde bir araştırma
General evaluation of thermal tourism facilities by customers: A research on customers of a private thermal facility
ZEYNEP KAPLAN
Yüksek Lisans
Türkçe
2023
TurizmÇanakkale Onsekiz Mart ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SABRİ HALUK ERDEM
- Yüzey kentsel ısı adası yoğunluğu ve kırılganlığının araştırılması: İstanbul metropoliten bölgesi için çok boyutlu bir yaklaşım
Investigating surface urban heat island intensity and vulnerability: a multidimensional approach for istanbul metropolitan area
YUSUF EMİNOĞLU
Yüksek Lisans
Türkçe
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. HÜSEYİN MURAT ÇELİK
- MRP II ve bir uygulama
Başlık çevirisi yok
CENK BAŞKARACA
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. COŞKUN ÖZCAN