Deep learning-based multi-context-aware multi-criteria recommender system
Derin öğrenme tabanli çoklu bağlama duyarli çok kriterli öneri sistemi
- Tez No: 895523
- Danışmanlar: PROF. DR. CİHAN KALELİ, DR. ÖĞR. ÜYESİ BURCU YILMAZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 78
Özet
Dijital bilginin yaygın hale gelmesiyle birlikte, Öneri Sistemleri (ÖS), bu geniş bilgi evreninde yol alabilmek için giderek daha kritik bir rol üstlenmektedir. Bu doktora tezinde, çoklu bağlam ve çoklu kriter verilerini tek bir sinir ağı modeli altında entegre eden yenilikçi bir derin öğrenme yaklaşımı önerilmektedir. Bağlam farkındalığına sahip ve çoklu kriterli bir öneri sistemi, geleneksel iki boyutlu ÖS yöntemlerine göre, bağlam farkındalığını ve birden fazla kriteri bünyesinde barındırarak önemli bir gelişme sunmaktadır. Çalışmamızda, çoklu bağlam ve kriterlerden elde edilen veriler, geleneksel yaklaşımlardan farklı olarak, tek bir yapı içerisinde işlenmektedir. Eşzamanlı işleme, bağlam ve kriterler arasında gelişmiş etkileşimlere olanak tanımakta ve böylece daha isabetli öneriler elde edilmektedir. Bağlam farkındalığına sahip sistemler, önerilerde bulunurken zaman ve konum gibi bağlamsal faktörleri dikkate alırken, çoklu kriter tabanlı yaklaşımlar, daha geniş bir değerlendirme ölçütü yelpazesi sunarak daha ilgili öneriler geliştirmektedir. Her iki yaklaşım da daha doğru ve kişiselleştirilmiş öneriler sağlama potansiyeline sahip olmasına rağmen, bağlamsal bilgi ve çoklu kriter değerlendirmeleri birlikte kullanılmamıştır. Bu eksikliği gidermek adına, bağlam farkındalığına sahip, çoklu kriterli bir öneri sistemine ihtiyaç duyulmaktadır. Bu doğrultuda, her bir yaklaşımı ayrı ayrı ele almak yerine, bağlam farkındalığına sahip öneri sistemlerini çoklu kriter öneri sistemleri ile entegre eden bir derin öğrenme modeli geliştirilmiştir. Böylelikle sistem, bağlamsal ve kriterlere özgü değerlendirmeleri birleştirilmesiyle daha uyarlanabilir hale gelmekte ve daha doğru öneriler sunmaktadır. Önerilen yöntem, TripAdvisor ve ITM Rec veri kümeleri üzerinde uygulandığında, güncel öneri tekniklerinden daha yüksek doğruluk oranı sağlamaktadır.
Özet (Çeviri)
As digital information becomes ubiquitous, Recommender Systems (RSs) become increasingly critical in navigating this vast landscape. In this dissertation, we propose a novel deep learning-based approach to integrate multi-context and multi-criteria data into a unified neural network model. A context-aware and multi-criteria recommender system enhances traditional two-dimensional methods of RSs by incorporating context awareness and multiple criteria. In our work, data from multiple contexts and multiple criteria are intricately woven together within a single architecture, unlike traditional approaches. Concurrent processing allows sophisticated interactions between context and criteria, resulting in more accurate recommendations. When context-aware systems make recommendations, they incorporate contextual factors, such as time and location, while multi-criteria-based approaches utilize a broader range of evaluative criteria and offering more relevant suggestions. For making recommendations, contextual information and multi-criteria ratings have not been used together, despite both approaches having advantages in producing more accurate and personalized referrals. To fill this gap, a context-aware, multi-criteria recommender system is needed. We employ a deep learning model that integrates context-aware recommendation systems with multi-criteria recommendation systems, instead of processing each separately. Hence the system becomes more adaptive and delivers more accurate recommendations, as contextual and criteria-specific insights are combined to create personalized recommendations. The proposed method provides more accurate predictions than state-of-the-art recommendation techniques when applied to TripAdvisor and ITM-Rec datasets.
Benzer Tezler
- Anatomic context-aware segmentation of organs-at-risk in thorax computed tomography scans
Toraks bilgisayarlı tomografi taramalarında risk altındaki organların anatomik içerik farkındalı segmentasyonu
HAYA SHAMIM KHAN KHATTAK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM GÜNDÜZ DEMİR
PROF. DR. SELİM AKSOY
- Social behavior learning for an assistive companion robot
Yardımcı robotlar için sosyal davranış öğrenimi
PINAR ULUER
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Exploring the capabilities of large language models in visual question answering: A new approach using question-driven image captions as prompts
Büyük dil modellerinin görsel soru yanıtlama yeteneklerinin keşfedilmesi: Soru odaklı görüntü altyazılarını istem olarak kullanan yeni bir yaklaşım
ÖVGÜ ÖZDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. ERDEM AKAGÜNDÜZ
- Sentiment classification of arabic tweets using a novel learning sentiment-specific word embedding technique
Yeni bir duygu-odaklı kelime gömme tekniği kullanarak arapça tvitlerin duygu sınıflandırması
HALA MULKI
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL BABAOĞLU