An optimized hybrid ai-based recommendation system for e-commerce
E-ticaret için optimize edilmiş hibrit yapay zeka destekli öneri sistemi
- Tez No: 902372
- Danışmanlar: DOÇ. DR. ATINÇ YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- Sayfa Sayısı: 116
Özet
Gelişen e-ticaret ortamında, doğru ve kişiselleştirilmiş ürün önerileri sunmak için optimize edilmiş yapay zeka tabanlı hibrit sistemler kritik öneme sahiptir. Bu tez, veri seyrekliği ve soğuk başlangıç sorunlarını ele almak için işbirlikçi filtreleme, içerik tabanlı filtreleme ve Varyasyonel Otomatik Kodlayıcılar (VAE'ler) entegre eden Olist platformu için böyle bir sistem geliştirmektedir. Tanımlayıcı istatistikler ve keşifsel veri analizi (EDA) dahil olmak üzere Olist veri kümesinin ayrıntılı analizi, önemli eğilimleri ve anormallikleri belirlemiştir. Kök Ortalama Kare Hatası (RMSE) ve Ortalama Kare Hatası (MSE) kullanılarak değerlendirilen hibrit sistem, geleneksel öneri yöntemlerinden daha iyi performans göstermiştir. Sonuçlar, hibrit yaklaşımın öneri doğruluğunu ve kullanıcı etkileşimini önemli ölçüde artırdığını göstermektedir. Bu çalışma, bu tür sistemlerin benimsenmesinin kullanıcı memnuniyetini ve satışları artırabileceğini önermektedir. Araştırma, birden fazla öneri tekniğinin entegrasyonu için ölçeklenebilir bir çerçeve sunmaktadır. Gelecek araştırmalar, gerçek zamanlı kullanıcı geri bildirimlerini keşfetmeli, önyargı ve adaleti ele almalı ve çeşitli e-ticaret bağlamlarında sistem ölçeklenebilirliğini artırmalıdır.
Özet (Çeviri)
In the evolving e-commerce landscape, optimized AI-based hybrid systems are crucial for delivering accurate and personalized product recommendations. This thesis develops such a system for the Olist platform, integrating collaborative filtering, content-based filtering, and Variational Autoencoders (VAEs) to address data sparsity and cold start challenges. A detailed analysis of the Olist dataset, including descriptive statistics and exploratory data analysis (EDA), identified key trends and anomalies. The hybrid system, evaluated using Root Mean Squared Error (RMSE) and Mean Squared Error (MSE), outperformed traditional recommendation methods. Results show that the hybrid approach significantly improves recommendation accuracy and user engagement. This study suggests that adopting such systems can enhance user satisfaction and sales. The research offers a scalable framework for integrating multiple recommendation techniques. Future research should explore real-time user feedback, address bias and fairness, and enhance system scalability across diverse e-commerce contexts.
Benzer Tezler
- A graph neural network model with adaptive weights for session-based recommendation systems
Oturum tabanlı öneri sistemleri için uyarlanabilir ağırlıklara sahip bir çizge sinir ağı modeli
BEGÜM ÖZBAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
DR. RESUL TUGAY
- Integration of sustainable energy sources into data centre electrical systems
Sürdürülebilir enerji kaynaklarının veri merkezi elektrik sistemlerine entegrasyonu
CİHAN ŞAHİN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Improvıng the predıctıon of oıl and gas productıon usıng artıfıcıal ıntellıgence algorıthms
Yapay zeka algoritmalarını kullanarak petrol ve gaz üretim tahminlerinin iyileştirilmesi
AZHAR NAJI MUHAJIR ALYAHYA
Yüksek Lisans
İngilizce
2025
EnerjiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. GÜLÜZAR ÇİT