Derin öğrenme tabanlı seyahat öneri sistemi geliştirme
Developing a deep learning based travel recommendation system
- Tez No: 810846
- Danışmanlar: DR. ÖĞR. ÜYESİ MERT BAL, DR. ÖĞR. ÜYESİ MERYEM UZUN PER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Matematik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Teknolojinin gelişmesi ile birlikte artan dijital bilgi miktarı ve internetin yaygınlaşması ile internet üzerinden ürün, hizmet, abonelik gibi ticaret işlemlerinin gerçekleştiği web sitelerinin sayısının da artması, beraberinde, müşterilere kişiselleştirilmiş ve doğru; ürün, hizmet ve abonelikleri sunmanın (önermenin) de önemini artmıştır. Müşterilere önerilerde yaygın olarak kullanılan ürün bazlı, kullanıcı tabanlı ve bu ikisinin birlikte kullanıldığı hibrit geleneksel yaklaşımlar çoğu çalışmada kullanılmaktadır. Geleneksel yaklaşımların, büyük ve seyrek veriler ile çalışma, kullanıcı ve ürün arasındaki karışık ilişkileri bulamama ve soğuk başlangıç (cold start) gibi problemlerinin üstesinden gelmek, derin ve geniş öğrenme sistemlerinin kullanımı ile mümkün olmuştur. Bu tez kapsamında, derin ve geniş sinir ağlarına ve bunların seyahat öneri sistemlerindeki uygulamalarına kapsamlı bir bakış açısı sunulmuştur. Derin öğrenme ile ilgili temel bilgilere yer verildikten sonra, en popüler öneri algoritmaları olan Google'ın Geniş ve Derin Algoritması ve Facebook'un Deep Learning Recommendation Model (DLRM) algoritmasına yer verilmiştir. Bu tez kapsamında, geniş ve derin öğrenme yaklaşımı ile kullanıcı ve ürün özelliklerinin kategorik olanlarının gömme işlemi uygulanarak, nümerik veriler ile modele beslendiği yeni bir seyahat öneri sistemi oluşturulmuştur. Önerilen yöntem gerçek bir seyahat acentesi şirketinin veri seti üzerinde uygulanmıştır. Bu çalışma sonucunda kullanıcılara verilen en iyi beş öneride, %88.71 doğruluk oranı yakalanmıştır.
Özet (Çeviri)
With the development of technology, the increasing amount of digital information and the widespread use of the internet, and the increase in the number of websites where trade transactions such as products, services and subscriptions are carried out on the internet, along with it, personalized and accurate; The importance of recommending products, services and subscriptions has also increased. Product-based, user-based, and hybrid traditional approaches, which are widely used in recommendations to customers, are used in most studies. Overcoming the problems of traditional approaches such as working with large and sparse data, inability to find complex relationships between user and product, and cold start has been possible with the use of deep and wide learning systems. Within the scope of this thesis, a comprehensive view of deep and wide neural networks and their applications in travel recommendation systems is presented. After giving the basic information about deep learning, Google's Wide and Deep Algorithm and Facebook's Deep Learning Recommendation Model (DLRM) algorithm, which are the most popular recommendation algorithms, are included. Within the scope of this thesis, a new travel recommendation system was created in which numerical data is fed to the model by applying the embedding process of ⅹⅲ categorical user and product features with a broad and deep learning approach. The proposed method was applied on the data set of a real travel agency company. As a result of this study, 88.71% accuracy rate was achieved in the top five recommendations given to the users.
Benzer Tezler
- 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
- Crew recovery optimization through disruption analysis and deep learning driven column generation
Aksaklık analizi ve derin öğrenme tabanlı sütun oluşturma ile ekip kurtarma optimizasyonu
AHMET HEREKOĞLU
Doktora
İngilizce
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ÖZGÜR KABAK
- Üçüncü parti lojistik platformunda talep tahmini için derin öğrenme yaklaşımları
Deep learning approaches for demand forecasting in a third-party logistics platform
AYŞE ZEYBEL PEKÖZ
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜLİN İNKAYA
- X-ray görüntülerinde faster R-CNN kullanılarak yasaklı nesne tespiti
Prohibited object detection using faster R-CNN in X-ray images
ÖZCAN SORGUN
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Güç yönetimi için elektrikli araç şarj istasyonunun akıllı koordinasyon yaklaşımı
Smart coordination approach of electric vehicle charging station for power management
MURAT AKIL
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN BAYINDIR
DOÇ. DR. EMRAH DOKUR