Geri Dön

Exploring models, data strategies, and hyperparameter tuning in a trip recommendation system

Bir seyahat öneri sisteminde modeller, veri stratejileri ve hiperparametre ayarını keşfetmek

  1. Tez No: 856371
  2. Yazar: NECATİ ERKAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE NURDAN SARAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 70

Özet

Öneri sistemlerinin önemi son dönemde giderek artmaktadır. Verilerin karmaşıklığı nedeniyle kullanıcıların beğenebileceği bir öneride bulunmak giderek zorlaşıyor. Özellikle seyehat öneri sistemlerinde bir sonraki şehri önermek önemli ve zor bir görevdir. Çeşitli çalışmalara göre derin öğrenmeyi öneri sistemlerinde kullanmak önerilerin doğruluğunu arttırmaya ve karmaşık verileri ele almaya yardımcı olmaktadır. Bu tez önerilen derin öğrenme destekli seyehat öneri sistemi için yeni mimarileri, veri ve hiperparametre ayarlama tekniklerini ortaya koymaktadır. NVIDIA ekibinin WSDM WebTour 2021 yarışmasında kazanan öneri sistemi bu çalışmada kullanıldı. Kazanan çözümü anlamak için algoritma ve veri seti analiz edilip, çalışmayı geliştirmek için yeni çözümler önerilmiştir.

Özet (Çeviri)

Recommender systems' importance has been increasing recently. It is becoming more difficult to make a recommendation that users might like because of the complex data. Especially in trip recommender systems, recommending the next city is a hard task, where recommending truly is important. According to various studies, using deep learning with recommender systems helps improve recommendations' accuracy and handle complex data. This thesis reveals new architectures, data, and hyperparameter tuning techniques for a proposed deep learning-powered trip recommender system. NVIDIA Team's winning recommender system solution in the WSDM WebTour 2021 Challenge has been used. To understand this winning solution, the algorithm and dataset have been analyzed. Then new solutions have been proposed to enhance the study.

Benzer Tezler

  1. Akıllı şebekelerde makine öğrenmesi teknikleriyle kısa dönem rüzgâr hızı tahmini: Kocaeli-Türkiye örneği

    Short–term wind speed forecasting in smart grids with machine learning techniques: A case study in Kocaeli-Türkiye

    MAYSA GAIDOUM AHMED GAIDOUM

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YILMAZ UYAROĞLU

  2. Forecasting of produced output electricity in photovoltaic power plants

    Foto-voltaik güç santrallarında elektrik üretim tahmini

    TARANEH SAADATI

    Doktora

    İngilizce

    İngilizce

    2025

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DOÇ. DR. BURAK BARUTÇU

  3. Leveraging historical climate data and machine learningfor extreme precipitation forecasting

    Geçmiş iklim verilerini ve makine öğrenmesi yöntemlerini kullanarak aşırı yağış tahmini

    GÖKTUĞ ÖVREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. MEHMET LEVENT KURNAZ

    PROF. DR. ŞEBNEM ÖZÜPEK PODNOS

    DOÇ. DR. TUĞBA ÖZTÜRK

  4. Predictive modelling of mechanical properties in flat steel manufacturing: A comparative analysis of feature selection methods of mechanical properties for cold rolled products

    Yassı çelik üretiminde mekanik özelliklerin tahminsel modellemesi:Soğuk haddelenmıiş ürünler için mekanik özelliklerin özellik seçim yöntemlerinin karşılaştırılmalı analizi

    DİDEM BAKİLER İLME

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Yönetim Bilişim SistemleriKadir Has Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    DOÇ. DR. EMRULLAH FATİH YETKİN

  5. Constructing a forecasting model for decreasing demand deviation effects of products

    Ürünlerdeki talep değişkenliğinin etkilerini azaltmaya yönelik bir tahmin modeli oluşturma

    CANSU DEMİR KARTBOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    PROF. DR. PEKİN ERHAN EREN

    PROF. DR. ALTAN KOÇYİĞİT