Geri Dön

Genetik algoritma ve K-ortalamalar algoritmasının tavsiye sistemleri için uygulanması

Application of genetic algorithm and K-means algorithm for recommender systems

  1. Tez No: 840538
  2. Yazar: MERVE POSLU
  3. Danışmanlar: PROF. DR. SEVİL BACANLI, PROF. DR. GÜVENÇ ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

Müşteri memnuniyetine verilen önemin her geçen gün artması ile birlikte işletmeler, müşterilerin ilgi alanlarını ve tercihlerini keşfetmeyi hedefler. Dolayısıyla uygun ürün veya hizmetleri sağlamaları bulunduğumuz rekabet ortamında oldukça kritiktir. Günümüzde de dijitalleştirilmiş hizmetlere önemli yatırımlar yapılmaktadır. Örneğin e-ticaret alanı, COVID-19 pandemisini avantaja çevirerek önemli gelişmelerin olduğu bir alan oluşturmuştur. E-ticaretteki bu gelişmelerden biri de tavsiye sistemlerinden en iyi şekilde faydalanılmasıdır. Tavsiye sistemleri, kullanıcı ile öğeler arasındaki etkileşimi izleyerek çalışır. Bu etkileşimlerin ortaya konmasında ise kümeleme yöntemleri kullanılarak, benzer özelliklere sahip kullanıcıları veya öğeleri gruplandırabilir. Ayrıca, kümeleme yöntemleri kullanarak tavsiye sistemlerindeki bazı dezavantajlar giderilebilir. Bu dezavantajların giderilmesi noktasında, optimize edilmiş kümeleme süreçleri önemli bir rol oynamaktadır. Optimize edilmiş kümeleme süreçleri, yeni öğeler ve yeni kullanıcılar için daha iyi başlangıç önerileri sağlayabilir. Aynı zamanda da veri seyrekliği vb. sorunları ele alabilir. Genetik algoritmaların optimizasyon alanında kullanımı da oldukça popülerdir. Temel olarak doğal seleksiyon ve genetik prensiplere dayanan etkili optimizasyon algoritmaları olarak, çeşitli alan ve uygulamalarda başarıyla kullanılan sezgisel tekniklerden biridir. Genetik algoritmada, çözüm dizilerinden oluşan bir başlangıç popülasyonu, çaprazlama ve mutasyon gibi genetik operatörler kullanılmaktadır. Genetik algoritmanın kümeleme süreçlerinin optimizasyonunda kullanılması, tavsiye sistemlerine olumlu etkiler sağlayabilmektedir. Bu şekilde tavsiye sistemleri için daha iyi kümeleme sonuçları, veri seyrekliğinin azaltılması, kişiselleştirilmiş öneriler, soğuk başlangıç probleminin azaltılması ve daha iyi çeşitlilik sağlama gibi olumlu etkiler sağlanabilmektedir. Bu yaklaşım, tavsiye sistemlerinin performansını artırarak kullanıcı memnuniyetini ve öneri sonuçlarının etkinliğini arttırmayı hedeflemektedir. Tez çalışmasında, öncelikle geleneksel tavsiye sistemleri ve dezavantajlı durumları incelenmiştir. Ardından kümeleme yöntemleri ve tavsiye sistemlerinde kullanımı detaylandırılarak sonrasında genetik algoritma tanıtılmıştır. Genetik algoritmalar, pazarlama veri kümesinde K-ortalamalar kümeleme işlemlerini optimize etmek için uygulanmış olup performansı K-ortalamalar kümelemesi ile karşılaştırılmıştır. Bu çalışma, genetik algoritma kümeleme tekniğini kullanarak (GA-KOK) kullanıcıları daha iyi profillemek ve tavsiye çıktılarını iyileştirerek tavsiyelerin oluşturulmasını sağlamaktır.

Özet (Çeviri)

As there is an increasing emphasis on customer satisfaction, businesses are aiming to discover their customers' interests and preferences. Therefore, providing suitable products or services is crucial in today's competitive environment. Significant investments are being made in digitized services today. For example, the e-commerce sector has seen significant developments, taking advantage of the COVID-19 pandemic. One of these developments in e-commerce is the effective utilization of recommendation systems. Recommendation systems work by tracking interactions between users and items. Cluster analysis methods are used as a preprocessing step to reveal these interactions, grouping users or items with similar characteristics. Additionally, using clustering methods can help address some of the disadvantages in recommendation systems. In addressing these disadvantages, optimized clustering processes play a significant role. Optimized clustering processes can provide better initial recommendations for new users and items while addressing the data sparsity issue. The use of genetic algorithms in optimization is also quite popular. Based on the principles of natural selection and genetics, genetic algorithms are effective optimization algorithms used successfully in various fields and applications. In genetic algorithms, a starting population consisting of solution sequences is used, along with genetic operators like crossover and mutation. Using genetic algorithms to optimize clustering processes can have a positive impact on recommendation systems. This approach can lead to better clustering results in recommendation systems, reduced data sparsity, personalized recommendations, mitigating the cold start problem, and enhancing diversity. This approach aims to improve the performance of recommendation systems, ultimately enhancing user satisfaction and the effectiveness of recommendation results. In this thesis, we first examined traditional recommendation systems and their drawbacks. Then, clustering methods and their use in recommendation systems were detailed, followed by the introduction of genetic algorithms. Genetic algorithms were applied to optimize K-means clustering processes in the marketing dataset, and their performance was compared to K-means clustering. The aim of this study is to use the genetic algorithm clustering technique (GA-KOK) to better profile users and improve recommendation outputs, thereby enhancing the process of recommendation generation.

Benzer Tezler

  1. Damage classification of cnt/cnc-reinforced pu foam-cored sandwich panels through acoustic emission testing

    Akustik emisyon yöntemi ile knt/snk katkılı pu köpük dolgulu sandviç plakaların hasar mekanizmalarının incelenmesi

    EYÜPHAN KÜÇÜKKALFA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KAAN YILDIZ

  2. Şehir içi toplu taşıma planlamasında akıllı kart veri madenciliği ile sefer sıklığı optimizasyonu

    Optimization of headway with smart card data mining in urban public transportation planning

    BEDRETTİN TÜRKER PALAMUTÇUOĞLU

    Doktora

    Türkçe

    Türkçe

    2020

    UlaşımManisa Celal Bayar Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. MUSTAFA GERŞİL

  3. Data mining approach based on harris hawks optimization (HHO) algorithm for multiple sclerosis lesions segmentation on brain magnetic resonance images

    Beyin manyetik rezonans görüntülerinde çoklu skleroz lezyonları için harrıs hawks optimizasyonu (HHO) algoritmasına dayalı veri madenciliği yaklaşımı

    AMAL F A ISWIASI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. OĞUZ KARAN

  4. Kapasite kısıtlı yer seçimi ve araç rotalama problemi ve bir metasezgisel çözüm önerisi

    Capacitated location routing problem and a metaheuristic solution proposal

    MUSTAFA SERDAR TOKSOY

    Doktora

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiKocaeli Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ PINAR YILDIZ KUMRU

    DOÇ. DR. KASIM BAYNAL

  5. Çoklu ajan yaklaşımıyla e-ticarette ürün yönetimi

    Multiagent supported product management in e-commerce

    METİN ÖZŞAHİN

    Doktora

    Türkçe

    Türkçe

    2016

    Endüstri ve Endüstri MühendisliğiÇukurova Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HACİRE OYA YÜREGİR