İşbirlikçi tabanlı tavsiye sistemlerinde yeni bir matris ayrışım tekniği
A novel matrix decomposition technique in collaborative based re-commender systems
- Tez No: 853756
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL, DR. ÖĞR. ÜYESİ FAHRETTİN HORASAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnternet ve Bilişim Teknolojileri Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Tavsiye sistemleri, kullanıcıların herhangi bir unsura vereceği değerlendirmelerin önceden doğru tahmin edilmesini hedefleyen sistemlerdir. Tavsiye sistemlerinde kullanılan tekniklerden birisi olan işbirlikçi filtreleme yöntemi, kullanıcıların ve öğelerin ortak özelliklerini dikkate almaktadır. İşbirlikçi filtreleme tabanlı tavsiye sistemlerinde, matris ayrıştırmaları en çok kullanılan tekniklerdendir. Matris ayrıştırmalarında, Tekil Değer Ayrıştırma (TDA) ve Negatif Olmayan Matris Faktorizasyonu (NOMF) tabanlı yaklaşımlar yaygın olarak kullanılmaktadır. Bu yöntemler, ölçeklenebilirlik sorunuyla başa çıkmada oldukça iyi olmalarına rağmen, karmaşıklıkları yüksektir. Bu tez çalışmasında, önerilerin doğruluğunu ve kalitesini artırmak için alternatif bir teknik olarak Kesikli ULV ayrıştırma tekniği önerilmiştir. Önerilen yöntem, yaygın olarak kullanılan erişime açık veri kümeleri ile test edilmiştir. Modelin performansını değerlendirmek için standart metrikler kullanılmıştır. Kesikli ULV tüm deneylerde, mevcut matris ayrıştırma tekniklerinden daha iyi performans göstermiştir. Ayrıca, önerilen yöntem soğuk çalıştırma ve seyrekliği azaltma problemlerine çözüm üretmektedir.
Özet (Çeviri)
Recommender systems are systems that aim to accurately predict the evaluations that users will give to any item in advance. Collaborative filtering method, which is one of the techniques used in recommender systems, takes into account the common characteristics of users and items. In collaborative filtering based recommender systems, matrix decomposition is one of the most commonly used techniques. In matrix decomposition, Singular Value Decomposition (SVD) and Non-Negative Matrix Factorisation (NMF) based approaches are widely used. Although these methods are very good at dealing with the scalability problem, their complexity is high. In this thesis, the Truncated-ULV decomposition (T-ULV) technique is proposed as an alternative technique to improve the accuracy and quality of the recommendations. The proposed method is tested with widely used publicly available datasets. Standard metrics were used to evaluate the performance of the model. In all experiments, T-ULV outperformed the existing matrix decomposition techniques. Moreover, the proposed method solves the problems of cold start and sparsity reduction.
Benzer Tezler
- Constructing a recommendation system based on movie reviews
Film incelemelerine dayalı bir öneri sistemi oluşturma
MUHAMMET AYKAN
Yüksek Lisans
İngilizce
2023
MatematikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ÇENE
- Enhancing cross-market recommendation system using graph isomorphism networks
Çizge izomorfizm ağları kullanarak çapraz pazar tavsiye sistemi geliştirme
SÜMEYYE ÖZTÜRK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
DR. RESUL TUGAY
- Development of recommender system algorithms for cold-start problem
Öneri sistemlerinde soğuk-başlangıç problemine yönelik algoritma geliştirimi
HAKAN YILMAZER
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
- A polynomial modeling based algorithm in top-N recommendation
İlk-N tavsiye sisteminde polinom modelleme tabanlı algoritma
ÖZGE YÜCEL KASAP
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ALPER TUNGA
- İşbirlikçi filtreleme tabanlı tavsiye sistemlerinde seyreklik problemi için yeni bir model
A new model for the sparsity problem in collaborative filtering based recommendation systems
MOHAMMED JAMEEL MOHAMMED
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MURAT YÜCEL
DR. ÖĞR. ÜYESİ FAHRETTİN HORASAN