Derin öğrenme tabanlı işbirlikçi filtreleme yöntemini kullanarak restoran tavsiye sisteminin geliştirilmesi
Developing restaurant recommendation system with neural collaborative filtering method
- Tez No: 691048
- Danışmanlar: DOÇ. ILHAM HUSEYINOV
- 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: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 61
Özet
Tavsiye Sistemleri kullanıcılara kişiselleştirilmiş bir ürün veya hizmet sunmak amacıyla hazırlanmıştır. Amacı kullanıcıların geçmişte bıraktıkları verilerine göre, gelecekte yapılacak hareketlerini tahmin etmek ve bunlara uygun önerilerde bulunmaktır. Son dönemdeki çalışmalar derin öğrenme tabanlı işbirlikçi filtreleme yönteminin yüksek başarı oranına sahip olduğunu kanıtlamıştır. Ama bu yöntemin restoran tavsiye sistemlerinde uygulanmasına yönelik bir çalışma bulunmamaktadır. Bu çalışmanın amacı bu boşluğu doldurmaktır. Bunun için farklı restoran veri setlerini ve derin öğrenme tabanlı işbirlikçi filtreleme algoritmasını kullanarak çeşitli modeller tasarlanmıştır. Çalışma için belirlenen değerlendirme kıstasları doğrultusunda çalışmada geliştirilen modellerin sonuçları karşılaştırılmıştır. Karşılaştırma sonuçları grafik olarak sunulmuştur. Sonuç olarak derin öğrenme tabanlı işbirlikçi filtreleme algoritmasına dayalı en uygun yöntem ve bu yöntemin parametreleri bulunmuş olacaktır.
Özet (Çeviri)
Recommendation Systems are designed to provide a personalized product or service to the user. Its purpose is to predict the future actions of users based on their past behavior and make suggestions accordingly. Recent studies have proven that Deep Learning-based collaborative filtering method has a high success rate. However, there is no study on the implementation of this method in restaurant recommendation systems. The goal of this study is to fill this gap. For this purpose, different models were designed using different restaurant datasets and a deep learning-based collaborative filtering algorithm. The results of the models developed in the study were compared in line with the evaluation criteria determined for the study. Comparison results are presented graphically. As a result, the most optimal method based on deep learning-based collaborative filtering algorithm and the parameters of this method will be found.
Benzer Tezler
- Deep hybrid recommender system
Derin hibrit öneri sistemi
DİDEM TÜRKER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Derin öğrenme yöntemlerini kullanarak hibrit öneri sistemi geliştirilmesi
Developing a hybrid recommendation system using deep learning methods
HAZAL ÖZGE YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEVCİHAN DURU
- Hybrid deep multi-criteria recommender system model
Hibrit derin çok kriterli öneri sistemi modeli
ABDULRAHMAN ALNAHHAS
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Hybrid reciprocal recommendation with advanced feature representations
Gelişmiş özellik gösterimleri ile hibrit çift taraflı öneri sistemleri
EZGİ YILDIRIM
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR