Deep learning based recommendation system design
Derin öğrenme tabanlı öneri sistemi tasarımı
- Tez No: 690441
- Danışmanlar: PROF. DR. SADIK FİKRET GÜRGEN
- 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: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Öneri sistemleri, kullanıcı tercihlerini baz alarak kullanıcının ilgilisini çekebilecek öneriler yapmayı amaçlayan yazılım araçlarıdır. Önerilecek öğe okuyabileceği bir makale olabilir, satın alabileceği bir ürün olabilir ya da izleyebileceği bir film olabilir; kullandığı platforma göre çeşitlilik gösterebilir. Günümüzde şirketler tarafından büyük ölçüde tercih edildiğinden, akademik olarak çeşitli çalışmalar yürütülmüş ve iyi sonuçlar alınmıştır. Derin öğrenme ağlarının öneri sistemlerinin performansını arttırdığı birçok çalışmada kanıtlanmıştır. Buna rağmen, hala performans geliştirmeleri devam etmekte; bu amaç için özellikle derin öğrenme sistemleri tercih edilmektedir. Bu çalışmada, film öneri sistemlerindeki performans sorunları, derin öğrenme yöntemleri kullanılarak ele alınmaktadır. Film açıklama metinleri bu sistemin kullandığı ana içerik olduğu için bu çalışma doğal dil işleme yöntemlerini de içermektedir. Öneri kalitesini arttırmak amacıyla iki katmanlı derin sinir ağı tabanlı bir sistem kurulmuştur. İlk katman evrişimsel sinir ağları tabanlıdır, amaç film açıklamalarından filme ait matematiksel vektörler çıkarmaktır. İkinci katman tekrarlayan yapay sinir ağı tabanlıdır; ilk katmanda çıkarılmış olan vektörleri kullanarak kullanıcıya film önermeyi amaçlamaktadır. Sistem geliştirmesi tamamlandıktan ve gerekli testler yapıldıktan sonra iki katmanlı derin sinir ağı tabanlı sistemlerin performansları makine öğrenmesi yöntemlerinden çok daha iyi sonuçlar verdiği görülmüştür. Dahası, bu çalışmanın sonuçlarına göre, öneri sistemlerinde örtük öznitelik çıkarımının öğe soğuk başlatma sorununun üstesinden gelebileceği çıkarılabilir.
Özet (Çeviri)
Recommendation systems are software tools that seek to suggest relevant items regarding user preferences. Preference might be any; text to read, product to buy, or anything depending on the industry. Since it's vastly preferred by companies nowadays, it has been studied extensively. However, there are still open research areas based on performance improvements. In this thesis, a movie recommendation system is built using deep learning methods in order to see the effect of deep learning on the performance of recommendation systems. Moreover, this study incorporates natural language processing methods since movie description texts are the main metadata used by the system. To increase the quality of recommendation, a two-layered system is built and each layer is a deep neural network-based. The first layer acts as a complex embedding layer built on convolutional neural network architecture which takes movie descriptions as input, gives the predicted genres as output, and uses network parameters as embedding vectors of the second layer's input. This way, each movie has more complex representation on the second layer, making system's recommendations elaborated. The second layer is a recurrent neural network architecture, which takes embedding vectors of user's pre-interacted movies and user ratings to that movie as sequential input and outputs the next items to be recommended. Hence, the system can promote any movie even though it has never been interacted with a user before. After having completed the implementation and testing the system's recommendation performance, we have shown that such architecture which fuses two DNNs for both feature extraction and recommendation purposes produces better results than the baseline method.
Benzer Tezler
- A deep learning based recommendation system design for banking customers using interaction data
Ardışıl veriler kullanılarak bankacılık müşterileri için derin öğrenme tabanlı tavsiye motoru tasarımı
HASAN AVCI
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- Derin öğrenme tabanlı işbirlikçi filtreleme yöntemini kullanarak restoran tavsiye sisteminin geliştirilmesi
Developing restaurant recommendation system with neural collaborative filtering method
TOLGA HAMİTOVALI
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ILHAM HUSEYINOV
- Enhancing matrix factorization-based recommendation systems: A comparative study on trip recommendation systems
Matris çözümlemesi tabanlı öneri sistemlerinin geliştirilmesi: Seyahat öneri sistemleri üzerine karşılaştırmalı bir çalışma
ABDULLAH UĞUR MAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN
- Akustik özellikler kullanan müzik öneri sistemi
Music recommendation system using acoustic features
AHMET ELBİR
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Resume recommendation using RNN classification and cosine similarity
RNN sınıflandırması ve kosinüs benzerliği kullanarak öneriye devam etme
ISSA DIALLO
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. ILHAM HUSEYINOV