Geri Dön

Derin öğrenme yöntemlerini kullanarak hibrit öneri sistemi geliştirilmesi

Developing a hybrid recommendation system using deep learning methods

PDF İndir

  1. Tez No: 759971
  2. Yazar: HAZAL ÖZGE YILMAZ
  3. Danışmanlar: PROF. DR. NEVCİHAN DURU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

Geçmişte temel ve sosyal birçok ihtiyacın karşılanmasında karar verme süreci daha çok fiziksel bir ortamda bir uzman ya da fikir ve beğenilerine güvendiğimiz çevremizdeki insanların görüşlerinden yardım alınarak gerçekleşirken günümüzde bu rolü kendi modellerine öneri sistemlerini entegre eden platformlar üstlenmiştir. Son yıllarda çeşitli uygulamalarda oldukça başarılı sonuçlar elde edilmesine katkıda bulunan derin öğrenme yöntemlerinin öneri sistemlerinde kullanılması bu alandaki çalışmalara yeni bir boyut kazandırmış ve öneri kalitesinin arttırılmasında faydalı şekillerde kullanılmıştır. Çalışmada öneri sistemlerinde var olan veri seyrekliği sorununa bir çözüm geliştirebilmek adına derin öğrenme yöntemlerinden otomatik kodlayıcılar yardımıyla hibrit bir öneri sistemi geliştirilmiştir. Hibrit öneri sistemleri; içerik tabanlı ve işbirlikçi filtreleme gibi mevcut tekniklerin güçlü yönlerini birleştirerek hem kendi içlerinde sorunlar yaratan zayıf yönlerin etkisini ortadan kaldıran hem de öneri modelinin performansını ve önerilerin doğruluğunu arttıran bir modeldir. Otomatik kodlayıcılar ise veri boyutunu azaltma, yeniden yapılandırma ve özellik çıkarmada başarılı sonuçlar veren bir yöntemdir. Geliştirilen projede seyrek derecelendirme verilerine sahip olan MovieLens 1M ve ek özelliklere sahip olan TMDb 5000 veri kümeleri üzerinden derin öğrenme yöntemleri kullanılarak hibrit bir öneri sistemi üzerine çalışılmıştır. İçerik tabanlı filtrelemede filmlerin poster, yönetmen, oyuncu kadrosu, senarist ve açıklamaları gibi çeşitli bilgileri; işbirlikçi filtreleme kısmında kullanıcı derecelendirme verileri kullanılarak otomatik kodlayıcı modelinden öznitelik vektörleri elde edilmiştir. Filmler öznitelik vektörleri yardımıyla kümelenir ve hibrit öneri sisteminde her iki filtreleme yöntemine ait küme içerisinden önerilen filmler ağırlıklandırılarak sıralanır.

Özet (Çeviri)

While in the past, the decision-making process in meeting many basic and social needs was mostly carried out in a physical environment with the help of an expert or the opinions of the people around us whose ideas and tastes we trust, today this role has been assumed by platforms that integrate recommendation systems into their models. The use of deep learning methods in suggestion systems, which have contributed to obtaining very successful results in various applications in recent years, has brought a new dimension to the studies in this field and has been used in beneficial ways to increase the quality of suggestions. In the study, a hybrid recommendation system has been developed with the help of automatic encoders, one of the deep learning methods, in order to develop a solution to the problem of data sparsity in recommendation systems. Hybrid recommendation systems; It is a model that combines the strengths of existing techniques such as content-based and collaborative filtering, eliminating the effects of weaknesses that create problems in themselves, and increasing the performance of the recommendation model and the accuracy of the recommendations. Autoencoders, on the other hand, are a method that gives successful results in reducing data size, restructuring and feature extraction. In the developed project, a hybrid recommendation system was studied by using deep learning methods on MovieLens 1M, which has sparse rating data, and TMDb 5000, which has additional features. In content-based filtering, various information such as posters, directors, cast, screenwriters and descriptions of the movies; In the collaborative filtering part, feature vectors were obtained from the autoencoder model using user rating data. The movies are clustered with the help of feature vectors and in the hybrid recommendation system, the recommended movies from the cluster belonging to both filtering methods are sorted by weighting.

Benzer Tezler

  1. Tez No

    837076

    Hierarchical deep bidirectional self-attention model for recommendation

    Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli

    İREM İŞLEK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  2. Tez No

    908560

    Real-time anomaly detection in UAV systems using TinyML on ARM Cortex-M microcontrollers

    ARM Cortex-M mikrodenetleyicilerde gömülü makine öğrenmesi kullanarak İHA sistemlerinde gerçek zamanlı anomali tespiti

    MEHMET ALPEREN BAKICI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  3. Tez No

    847173

    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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  4. Tez No

    898091

    Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease

    Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı

    ELİF KESKİN BİLGİÇ

    Doktora

    İngilizce

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. İNCİ ZAİM GÖKBAY

    DOÇ. DR. YUSUF KAYAR

  5. Tez No

    841331

    Elektronik izleme sisteminin planlanmasında yeni bir hibrit tahmin modelinin geliştirilmesi ve uygulaması

    Development of a novel hybrid forecasting model for electronic monitoring system planning and application

    FERHAT ELÇİ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KURBAN

    DOÇ. DR. EMRAH DOKUR

Geri Dön