Geri Dön

Graf-tabanlı öneri sistemi tasarımında karşılaştırmalı benzerlik analizi

Graph-based recommendation system design with comparative similarity analysis

  1. Tez No: 899635
  2. Yazar: SALİH ÖZDEMİR
  3. Danışmanlar: DOÇ. DR. AYTEN YİĞİTER
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  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: 70

Özet

Öneri sistemleri kullanıcılara en uygun ürünleri önererek dijital ortamda kullanıcıların deneyimini iyileştirmeyi amaçlayan sistemlerdir. Öneri sistemleri 1990'larda ortaya çıkmış ve günümüzde çevrim içi sistemlerin kullanımın artması ile bu alandaki çalışmalar da artmıştır. Graf veri tabanı, büyük hacimli ilişkisel verileri depolamada diğer veri tabanı türlerine göre daha iyi performans gösterdiği için ilişkisel verileri depolamada sıklıkla kullanılan NoSQL (Not only SQL - Sadece SQL değil) bir veri tabanıdır. Bu tez çalışmasında, graf veri tabanı üzerinde tasarlanan öneri sistemi ile karşılaştırmalı benzerlik analizi gerçekleştirilmiştir. MovieLens veri seti kullanılarak Neo4j graf veri tabanı üzerinde oluşturulan modelde, kullanıcı ve ürün bazlı filtreleme uygulanmıştır. Modelde, kullanıcıların ve filmlerin kendi aralarındaki Kosinüs, Öklid, Manhattan, Chebyshev ve Jaccard benzerlik ölçütleri hesaplanmış ve bu benzerlik ölçütleri puan tahmininde kullanılmıştır. Puan tahminleri, ağırlıklı toplam yöntemi ile yapılmış, ardından gerçek puanlarla karşılaştırılmıştır. Hata değerleri, ortalama mutlak yüzde hata, ortalama mutlak hata, normalize edilmiş ortalama mutlak hata ve kök ortalama kare hata ölçütleri ile ölçülmüştür. Bu hata ölçümleri doğrultusunda, en uygun benzerlik yöntemi belirlenmiştir.

Özet (Çeviri)

Recommendation systems are designed to enhance user experiences in digital environments by suggesting the most relevant products to users. These systems first emerged in the 1990s, and with the increasing use of online platforms, research in this field has significantly grown. A graph database is a NoSQL (Not only SQL) database frequently used for storing relational data, as it demonstrates better performance compared to other types of databases in handling large volumes of relational data. In this thesis, a comparative similarity analysis was conducted using a recommendation system designed on a graph database. The model was built on the Neo4j graph database using the MovieLens dataset, where user-based and item-based filtering were applied. In the model, Cosine, Euclidean, Manhattan, Chebyshev, and Jaccard similarity measures were calculated separately for both users and movies, and these similarity measures were utilized for rating prediction. Score predictions were made using the weighted sum method and were subsequently compared with the actual scores. The error values were measured using the metrics of Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), Normalized Mean Absolute Error (NMAE), and Root Mean Square Error (RMSE). Based on these error metrics, the most suitable similarity method was identified.

Benzer Tezler

  1. Graph-based hybrid recommender systems

    Grap tabanlı melez öneri sistemleri

    ZÜHAL KURT

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. KEMAL ÖZKAN

  2. A graph-based followee recommendation approach for social networks

    Sosyal ağ uygulamaları için graf tabanlı takipçi öneri yaklaşımı

    SERDAR ÖZAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TEVFİK AYTEKİN

  3. DNA dizilerinin de Bruijn grafları ile incelenmesi

    Analysis of DNA sequences with de Bruijn graphs

    İRFAN KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ KARCI

  4. Graf tabanlı kümeleme algoritmaları üzerine

    On graph based clustering algorithms

    SEMEN BAĞLAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    MatematikEge Üniversitesi

    Matematik Ana Bilim Dalı

    DOÇ. DR. BURAK ORDİN

  5. Graf tabanlı yaklaşım ile uzun vadeli trafik akış hızı tahmini

    Long term traffic speed prediction with graph based approach

    CEREN KESKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET AMAÇ GÜVENSAN