Geri Dön

A hybrid recommendation system application by RFM segmentation

RFM segmentasyonu ile bir hibrit öneri sistem uygulamasi

  1. Tez No: 813811
  2. Yazar: BEGÜM UYANIK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÜNCE KEZİBAN ORMAN
  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: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Öneri sistemi, veri analizi teknikleri kullanarak kullanıcıların tercih ve davranışlarına göre öğeler veya içerikler önermek için kurulan bir bilgi filtreleme sistemidir. Sistem, kullanıcıların sisteme veya onlara benzer diğer kullanıcılara geçmiş etkileşimlerine dayanarak kullanıcıların ne gibi şeylerden hoşlanacağını tahmin etmek için tasarlanmıştır. Öneri sistemi oluşturmak için, genellikle kullanılan veri analizi teknikleri arasında işbirlikçi filtreleme, içerik tabanlı filtreleme ve hibrit filtreleme bulunur. İşbirlikçi filtreleme, kullanıcıların geçmiş davranışlarını ve etkileşimde bulundukları öğeleri analiz ederek kullanıcılar arasındaki kalıpları ve benzerlikleri belirlemek için kullanılır. İçerik tabanlı filtreleme, öğelerin kendi özellikleri olan tür veya anahtar kelimeler gibi benzer öğeleri kullanır. Hibrit filtreleme, bu iki yaklaşımı birleştirerek daha doğru öneriler sağlar. Öneri sistemi uygulamak için, kullanıcı derecelendirmeleri, kullanıcı davranışı, kullanıcı demografisi ve öğe özellikleri gibi çeşitli kaynaklardan veriler toplanır. Bu veriler daha sonra kullanıcılar ve öğeler arasındaki kalıpları ve ilişkileri belirlemek için analiz edilir ve sonuçlar kullanıcılara kişiselleştirilmiş öneriler sunmak için kullanılır. Genel olarak, öneri sistemleri, kullanıcılara kişiselleştirilmiş ve ilgili öneriler sağlayarak işletmelerin kullanıcı etkileşimini artırmasına ve müşteri memnuniyetini artırmasına yardımcı olan güçlü bir araçtır. Birçok çevrimiçi hizmet sağlayıcı, tavsiyeler üreterek müşterilerinin karar vermelerine yardımcı olmak için bir öneri sistemi kullanır. Bu tez, turizm müşterilerinin ihtiyaç duydukları özelliklere sahip otellere, çevrimiçi rezervasyon yapmaları için müşterilere zaman kazandıran ve kişiselleştirilmiş otel önerilerinin etkisini artıran yeni bir öneri sistemi önermektedir. Bu çalışmada sunulan yeni sistem, işbirlikçi ve içerik tabanlı filtreleme yaklaşımlarını birleştirmektedir ve yeni bir hibrit öneri sistemi oluşturulmuştur. Müşteri bilgilerini ve otel özelliklerini içeren iki veri seti, müşterileri satın alma özelliklerine göre tanımlamak için Recency, Frequency, Monetary (RFM) yöntemi ile analiz edilmiştir. Öneri sisteminin ana fikri, kullanıcılar ve ürünler arasında korelasyonlar kurmak ve belirli bir kullanıcı için en uygun ürün veya bilgiyi seçme kararı vermektir. Çevrimiçi verilerin katlanarak büyümesinin bir sonucu olarak, turizm endüstrisinde kullanılacak bu büyük miktardaki bilgi, karar vericiler tarafından satın alma kararları vermek için kullanılabilir. İlgili bilgileri filtrelemek, önceliklendirmek ve faydalı bir şekilde sunmak bu aşırı yükü azaltır. Öneri sistemlerinin bir kullanıcı için bir öneri listesi oluşturabilmesinin üç ana yolu vardır; içerik tabanlı, işbirlikçi tabanlı ve hibrit yaklaşımlar. Bu makale, her kategoriyi ve tekniklerini ayrıntılı olarak açıklamaktadır. RFM Analizi, müşterilerin satın alma alışkanlıklarını ölçerek müşteri segmentlerini belirlemek için kullanılır. Müşterilerin satın alımlarının Recency, Frequency ve Monetary değerlerini belirleyerek bir puanlama modelinde sıralayarak etiketleme işlemidir. Puanlama, ne kadar yakın zamanda satın aldıklarına (Recency), ne sıklıkta satın aldıklarına (Frequency) ve satın alma boyutuna (Monetary) dayalıdır. Deneysel sonuçlar, Manhattan Distance tabanlı hibrit filtreleme kullanan davranış analizinin doğruluğunun, işbirlikçi ve içerik tabanlı algoritmalara kıyasla büyük ölçüde iyileştirildiğini göstermektedir.

Özet (Çeviri)

A recommendation system is a type of information filtering system established to suggest items or content to users based on their preferences and behavior by using data analysis techniques. The system is designed to predict what users might like based on their past interactions with the system or other users like them. To build a recommendation system, commonly used data analysis techniques are collaborative filtering, content-based filtering, and hybrid filtering. Collaborative filtering analyzes the past behavior of users and the items they have interacted with to identify patterns and similarities between users. Content-based filtering uses similar items, such as type or keywords, that the items have their own characteristics. Hybrid filtering combines these two approaches to provide more accurate recommendations. To implement a recommendation system, data is collected from various sources such as user ratings, user behavior, user demographics, and item characteristics. This data is then analyzed to identify patterns and relationships between users and items, and the results are used to suggest personalized recommendations to users. Overall, recommendation systems are a powerful tool for businesses to increase user engagement and improve customer satisfaction by providing personalized and relevant recommendations to users. Many online service providers use a recommendation system to assist their customers' decision- making by generating recommendations. Accordingly, this thesis proposes a new recommendation system for tourism customers to make online reservations for hotels with the features they need, saving customers time and increasing the impact of personalized hotel recommendations. This new system combined collaborative and content-based filtering approaches and created a new hybrid recommendation system. Two datasets containing customer information and hotel features were analyzed by Recency, Frequency, Monetary (RFM) method in order to identify customers according to their purchasing nature. The main idea of the recommendation system is to establish correlations between users and products and make the decision to choose the most suitable product or information for a particular user. As a result of the exponential growth of online data, this vast amount of information for use in the tourism industry can be leveraged by decision-makers to make purchasing decisions. Filtering, prioritizing, and beneficially presenting relevant information reduces this overload. There are following three main ways that recommendation systems can generate a recommendation list for a user; content-based, collaborative-based, and hybrid approaches. This thesis describes each category and its techniques in detail. RFM Analysis is used to identify customer segments by measuring customers' purchasing habits. It is the process of labeling customers by determining the Recency, Frequency, and Monetary values of their purchases and ranking them on a scoring model. Scoring is based on how recently they bought (Recency), how often they bought (Frequency), and purchase size (Monetary). Experimental results show that the accuracy of behavior analysis using Manhattan distance- based hybrid filtering is greatly improved compared to collaborative and content-based algorithms.

Benzer Tezler

  1. A user modeling and recommendation system by means of social networks

    Sosyal ağlar yardımıyla kullanıcı modelleme ve tavsiye sistemi

    ALİ KARAKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FEHİME NİHAN ÇİÇEKLİ

  2. Hybrid recommendation system approach for appropaite developer selection in bug repositories

    Hata depolama alanlarında uygun geliştirici seçimi için hibrit tavsiye sistem yaklaşımı

    MOHANAD RIYADH ABDULRAHMAN AL-IMARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. SEFER KURNAZ

  3. Kullanıcı ve öge temelli yöntemlerin birlikte kullanıldığı işbirlikçi filtreleme tekniği geliştirilmesi

    Hybrid system with combining user – based and item based collaborative filtering

    YUSUF ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ NİZAM

  4. An improved hybrid movie recommendation system based on content-based and collaborative filtering using co-clustering algorithm

    Ortak kümeleme algoritmasını kullanan içerik tabanlı ve işbirliğine dayalı filtrelemeye dayalı iyileştirilmiş bir hibrit film öneri sistemi

    YOUSIF TAREQ SALIH SALIH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM

  5. Sosyal ı̇lişkiler ve yapay sinir ağları kullanılarak melez öneri sistemi geliştirilmesi

    Hybrid recommender system using social relations and artificial neural networks

    SERDAR YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA SERDAR KORUKOĞLU