Geri Dön

Derin öğrenme tabanlı öneri sistemleri analizi ve bir uygulama

Deep learning based recommendation systems analysis and a model application

  1. Tez No: 801738
  2. Yazar: SEDANUR YEŞİLKAYA KOÇ
  3. Danışmanlar: DOÇ. DR. MURAT GEZER
  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: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. Sayfa Sayısı: 79

Özet

Bu tez çalışmasında derin öğrenme tabanlı öneri sistemleri analizi yapılmış ve GroupLens tarafından paylaşılan, kullanıcı ve film bilgilerinin yer aldığı MovieLens Latest Small 100K veri kümesi kullanılarak bir öneri sistemi uygulaması yapılmıştır. Çalışmada Python programlama dili kullanılmıştır. Kullanılan veri kümesi ön işlemeden geçirilerek uygulanacak öneri sistemleri için hazırlanmıştır. Çalışmanın ilk bölümde Surprise kütüphanesi içerisinde bulunan algoritmalar ve kosinüs benzerliği, MSD, pearson ve pearson baseline ölçümleri kullanılarak işbirlikçi öneri sistemi uygulaması yapılmıştır. Çalışmanın ikinci bölümünde ise aktivasyon fonksiyonları kullanılarak derin öğrenme tabanlı öneri sistemi uygulaması yapılmıştır. Yapılan deneyler sonucunda çalışmanın ilk bölümünde en iyi sonucun Pearson benzerlik ölçümü kullanılarak uygulanan KNNBaseline algoritmasından elde edildiği görülmüş, çalışmanın ikinci bölümünde ise ReLU aktivasyon fonksiyonuyla en iyi sonuca ulaşıldığı gözlemlenmiştir.

Özet (Çeviri)

This thesis examines deep learning-based recommendation systems and implements a recommendation system application using the MovieLens Latest Small 100K dataset shared by GroupLens, which contains user and movie information. Python programming language is used in the study. The dataset used is preprocessed for the recommendation systems to be applied. In the first part of the study, a collaborative filtering recommendation system is implemented using algorithms and measurements such as cosine similarity, MSD, Pearson, and Pearson baseline available in the Surprise library. In the second part of the study, a deep learning-based recommendation system is implemented using activation functions. As a result of the experiments conducted, it was observed that the best result in the first part of the study was obtained using the KNNBaseline algorithm applied using the Pearson similarity measurement. In the second part of the study, it was observed that the best result was obtained using the ReLU activation function.

Benzer Tezler

  1. Distilling knowledge of neural networks for image analysis, model compression, data protection and minimization

    Görüntü analizi, model sıkıştırma, veri koruma ve minimizasyonu için yapay sinir ağlarının bilgisinin damıtılması

    REYHAN KEVSER KESER

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. Türk müzik türlerinin evrişimli sinir ağları ile sınıflandırması

    Turkish music genres classification using convolutional neural network

    SHAHAD BASSAM HAZIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT OKKALIOĞLU

  4. Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models

    Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma

    NEŞE GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  5. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA