Geri Dön

İşbirlikçi filtreleme ile yemek tavsiye sistemi geliştirme

Developing food recommendation system with collaborative filtering

PDF İndir

  1. Tez No: 851198
  2. Yazar: MERVE CENGİZ
  3. Danışmanlar: PROF. DR. TUĞBA YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 71

Özet

Bu çalışmada, Allrecipes.com web sitesindeki yemek tariflerine ve üyeler tarafından verilen oylara dayalı bir yemek tavsiye sistemi geliştirildi. Toplam 1840 yemek tarifi (Diyabetik - Glutensiz - Ketojenik - Düşük Sodyum - Düşük Kolesterol - Vejetaryen – Vegan) ve 66012 kullanıcı Allrecipes.com'dan web scraping yöntemi ile kazındı ve Python'da analiz edildi. En yüksek oy (5 puan) sayısı 63568, en az oy (1 puan) sayısı ise 2298 olarak bulundu. Veri setinde düşük kolesterollü yemek sayısının en fazla (324), ketojenik diyet yemek sayısının ise en az (210) olduğu belirlendi. Ortalama oya göre, vegan, vejetaryen ve ketojenik tariflerin en fazla tercih edilen; düşük kolesterol ve diyabetik tariflerin ise en az tercih edilen diyet tarifleri olduğu tespit edildi. Bunun yanı sıra, toplam oya göre sırasıyla en fazla ve en az tercih edilen diyet tariflerinin glutensiz ve ketojenik olduğu belirlendi. Tavsiye Sistemi, Değişimli En Küçük Kareler (DEKK) yöntemi kullanılarak oluşturuldu. Diyet Yemek Tavsiye Sistemi, kosinüs benzerlik yöntemi kullanılarak gerçekleştirildi. DEKK yönteminin büyük veri ile uygulaması bulut üzerinde gerçekleştirildi. Modelin hata kareler ortalamasının karekökü 0.495 olarak bulundu. Modelin önerdiği yemekler kullanıcı bazlı incelendi ve sonuçların tutarlı olduğu belirlendi. En çok tavsiye edilen yemekler incelendiğinde, vejetaryen tariflerin ilk sırada yer aldığı; toplamda ise ketojenik tariflerin yüksek sayıda önerildiği görüldü. Sonuç olarak, yemek tarifleri aracılığıyla yiyecekler hakkında fikir sahibi olmak ve diyetlerine göre yiyecek seçmek isteyen kullanıcılara öneriler üreten web tabanlı bir yemek öneri sistemi oluşturuldu.

Özet (Çeviri)

The aim of this study is to develop a food recommendation system based on the recipes on the Allrecipes.com website and the ratings given by the members. Total 1840 recipes (Diabetic - Gluten Free - Ketogenic - Low Sodium - Low Cholesterol - Vegetarian - Vegan) and 66,012 users were scraped from Allrecipes.com and analysed in Python. The highest rating (5 scores) count was 63,568 while the lowest rating (1 score) count was found to be 2,298. It was observed that there are mostly low cholesterol foods (324) in the dataset whereas there are the least number of ketogenic foods (210). Vegan, vegetarian and ketogenic recipes ranked in the top 3 based on the mean rating. According to the total number of ratings, the most and the least rated recipes were gluten free and ketogenic, respectively. Recommendation System was performed by using Alternating Least Square (ALS). Diet Food Recommendation System was performed by using cosine similarity technique. The application of ALS technique with big data was performed on the cloud. The root mean squared error of the model was found 0.495. The foods recommended by the model were examined on a user basis and it was determined that the results were consistent. When the most recommended foods were examined, vegetarian recipes were ranked first, and in total, a high number of ketogenic recipes were recommended. Consequently, we created a web-based food recommendation system that generates recommendations to users who want to have ideas about foods via recipes and choose food according to their diet.

Benzer Tezler

  1. Tez No

    586546

    Time and location based venue category recommendation using machine learning

    Makine öğrenmesi yöntemleri ile zaman ve konum tabanli mekan kategorisi önerme

    BARIŞCAN TUNALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı

    YRD. DOÇ. DR. CEMAL OKAN ŞAKAR

  2. Tez No

    479962

    A study on handling sparseness in collaborative filtering

    İşbirlikçi filtrelemede seyreklik üzerine bir çalışma

    YEGWENDE VINCENT TIEMTORE

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YAŞAR HOŞCAN

  3. Tez No

    849032

    Many‐objective multi‐criteria diet optimization problem

    Çok amaçlı çok kriterli diyet eniyileme problemi

    CUMALİ TÜRKMENOĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    Beslenme ve Diyetetikİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞE ŞİMA ETANER UYAR

    DR. ÖĞR. ÜYESİ BERNA KİRAZ

  4. Tez No

    620650

    PubMed article recommendation system based on collaborative filtering

    İşbirlikçi filtreleme ile PubMed makale öneri sistemi

    MOHAMMAD OSAMA SALAHALDEEN BARAKAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADİL ALPKOÇAK

  5. Tez No

    522077

    İşbirlikçi filtreleme yöntemlerinin geliştirilen bir uygulama ile karşılaştırılması

    Comparison of collaborative filtering methods with an application developed

    GİZEM ZEYNEP PARİM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEVCİHAN DURU

Geri Dön