Development of recommender system algorithms for cold-start problem
Öneri sistemlerinde soğuk-başlangıç problemine yönelik algoritma geliştirimi
- Tez No: 750792
- Danışmanlar: PROF. DR. SELMA AYŞE ÖZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Altman Z skorları, Karınca koloni algoritması, Tekil değer ayrışımı, Öneri sistemleri, İşbirlikçi filtreleme, Altman Z scores, Ant colony algorithm, Singular value decomposition, Suggestion systems, Collaborative filtering
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Soğuk-başlangıç problemleri, öneri sistemlerindeki en önemli zorluklardan birisidir. Bu tez çalışmasında, soğuk-başlangıç problemine 2 farklı yaklaşım ile çözümler geliştirmeyi amaçladık. Farklı senaryolarda kullanılabilecek bir deterministik ve bir sezgisel çalışma yaptık. İlk perspektifte, deterministtik yaklaşımla, Sürekli Karınca Kolonisi Optimizasyonu kullanarak ilk-N öneri listeleri sunmak için ürün tabanlı benzerlik modellerini optimize eden yeni sezgisel bir çatı geliştirdik. Sezgisel yapısı sayesinde, kullanıcılar için kendine has ve her oturuma göre değişen öneri listeleri üretirken aynı zamanda kullanıcının alakası ile listelerdeki ürün çeşitliliği arasında denge kurmayı amaçladık. İkinci perspektifte, deterministik olarak iki yeni işbirlikçi filtreleme tekniğini tanıttık. İlk modelde, örtük verileri kullanarak elde ettiğimiz gram matrisin z-skor normalizasyonuna dayanan ürünler arasında özgün asimetrik bir benzerlik matrisi hesapladık ve ikinci modelde, geliştirdiğimiz ürün benzerlik matrisi ile oluşturduğumuz ürün tahminleri ile seyrekliği azaltmayı amaçladık böylece kullanıcı-ürün matrisinde gizli faktörlerinin daha başarılı ayrışmasını sağladık. Tüm yöntemlerimizi bilinen veri setleri üzerinde test ettik ve yöntemlerimizin, soğuk-başlangıç kullanıcılarda, soğuk-başlangıç sistemlerde ve popüler olmayan ürün önerilerinin sağlanması da dahil olmak üzere çeşitli senaryolarda benzer tavsiye modellerinden daha iyi performans gösterdiğini gözlemledik.
Özet (Çeviri)
Cold-start problems are one of the most important challenges in recommendation systems. In this thesis, we proposed models to develop solutions for the cold-start problem from two different perspectives. We aimed for a deterministic and a heuristic study that can be used in different scenarios. In the first perspective, we introduced a new heuristic framework that optimizes item-based similarity models to provide top-N recommendation lists using Continuous Ant Colony Optimization with a non-deterministic approach. Thanks to its heuristic structure, we aimed to create specific recommendation lists for users and change them according to each session, while at the same time aiming to balance the relevance of the user and the item variety in the recommendation lists. In the second perspective, we introduced two new Collaborative Filtering techniques deterministically. In the first model, we developed an asymmetric similarity matrix among the items based on the z-score normalization of the Gram-matrix we obtained using the implicit data, and in the second model, we aimed to reduce the sparsity with the item predictions with the assist our novel item similarity matrix, thus enabling more accurate decomposition of the latent factors in the user-item matrix we provided. We evaluated all of our methods on well-known datasets and observed that our methods outperform similar recommendation models in a variety of scenarios, including cold-start users, cold-start systems, and providing of unpopular product recommendations.
Benzer Tezler
- Öneri sistemlerinde otokodlayıcı tabanlı derin öğrenme yaklaşımı
Autoencoder based deep learning approach in recommender systems
UĞURAY DURDU
Yüksek Lisans
Türkçe
2022
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. GÜLDER KEMALBAY
- Genetik algoritma ve K-ortalamalar algoritmasının tavsiye sistemleri için uygulanması
Application of genetic algorithm and K-means algorithm for recommender systems
MERVE POSLU
Yüksek Lisans
Türkçe
2023
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEVİL BACANLI
PROF. DR. GÜVENÇ ARSLAN
- Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi
Başlık çevirisi yok
MERİH BAYRAM
Tıpta Uzmanlık
Türkçe
1987
Kadın Hastalıkları ve DoğumGazi ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DOÇ. DR. MÜLAZIM YILDIRIM
- Makro besin elementlerinin (NPK) İzmir'de Mayıs ayında açığa dikilen 4-6 cm çevre büyüklüğündeki Gladiolus cinsine ait“hunting song”ve“Novalüx”kültür çeşitlerinin yumrularının gelişmeleri üzerine etkileri
Başlık çevirisi yok
TAHA ALİ AMEN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ADNAN HATİPOĞLU