Oturum tabanlı tavsiye sistemleri için Skip-gram ve dönüştürücü tabanlı özgün bir yöntem: SkipGT
A novel Skip-gram and transformer based method for session-based recommendation system: SkipGT
- Tez No: 930854
- Danışmanlar: PROF. DR. SEVİNÇ İLHAN OMURCA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Oturum tabanlı tavsiye, tıklanma olasılığı en yüksek olan bir sonraki öğeyi tahmin etmek için anonim kullanıcıların geçmiş tıklamalarını ve etkileşim dizilerini kullanır. Kullanıcının çevrimiçi işlemlerdeki sonraki davranışını tahmin etmek, esas olarak kullanıcı bilgisi eksikliği ve sınırlı davranışsal bilgi nedeniyle bir sorun haline gelir. Kullanıcının geçmiş davranış dizilerini modelleyen yinelemeli sinir ağı tabanlı modeller ve öğeler arasındaki potansiyel ilişkileri yakalayan çizge sinir ağı tabanlı modeller gibi mevcut yöntemler, sinir ağlarının özellikleri nedeniyle geçmiş davranış dizisindeki farklı zaman aralıklarını kaçırır ve yalnızca belirli türdeki kullanıcı ilgi kalıplarını yakalayabilir. Mevcut oturumu iyileştirmek için oluşturulan çizge tabanlı modeller, alakasız öğelerin eklenmesi nedeniyle modelin başarısını azaltır. Ayrıca, son yaklaşımlardaki dikkat mekanizmaları, kullanıcıların ve ürünlerin zayıf temsilleri nedeniyle yetersiz kalmıştır. Bu çalışmada, oturum tabanlı tavsiye sistemlerindeki yukarıda belirtilen dezavantajları çözmek için Skip-gram ve Dönüştürücü kombinasyonuna dayalı bir yöntem önerildi. Önerilen yöntemde, Skip-gram hem oturum dizisindeki zincirlenmiş kullanıcı ilgisini öğeye özgü alt dizinler aracılığıyla yakalar hem de öğeler arasındaki karmaşık etkileşim bilgilerini öğrenir. Önerilen yöntem, bir Dönüştürücünün yardımıyla bir sonraki tıklamayı tahmin etmek için kısa vadeli ve uzun vadeli tercih temsillerini kullanır. Önerdiğimiz yöntemdeki Dönüştürücü, sıra tabanlı modellerdeki birçok sınırlamanın üstesinden gelir ve öğeler arasındaki daha uzun bağlamsal bağlantıları daha etkili bir şekilde modeller. Önerdiğimiz yöntemde, Dönüştürücüye Skip-gram modelinden eğitilmiş öğe yerleştirmelerini girdi olarak vererek, Dönüştürücü öğe temsillerini sıfırdan öğrenmediği için daha iyi performans gösterir. Üç gerçek, dünya veri kümesiyle kapsamlı deneyler yürüterek, önerilen yöntemin ortalama başarı puanı ile en son çözümlerden önemli ölçüde daha iyi performans gösterdiği doğrulanmaktadır.
Özet (Çeviri)
Session-based recommendation uses past clicks and interaction sequences from anonymous users to predict the next item most likely to be clicked. Predicting the user's subsequent behavior in online transactions becomes a problem mainly due to the lack of user information and limited behavioral information. Existing methods, such as recurrent neural network based models that model user's past behavior sequences and graph neural network based models that capture potential relationships between items, miss different time intervals in the past behavior sequence and can only capture certain types of user interest patterns due to the characteristics of neural networks. Graphic models created to improve the current session reduce the model's success due to the addition of irrelevant items. Moreover, attention mechanisms in recent approaches have been insufficient due to weak representations of users and products. In this study, we propose a model based on the combination of skip-gram and transformer to solve the above-mentioned drawbacks in session-based recommendation systems. In the proposed method, skip-gram both captures chained user interest in the session thread through item-specific subreddits and learns complex interaction information between items. The proposed method captures short-term and long-term preference representations to predict the next click with the help of a transformer. The transformer in our proposed model overcomes many limitations in turn-based models and models longer contextual connections between items more effectively. In our proposed model, by giving the transformer trained item embeddings from the skip-gram model as input, the transformer has better performance because it does not learn item representations from scratch. By conducting extensive experiments with three real-world datasets, it is verified that the proposed model significantly outperforms the state-of-the-art solutions with an average success score.
Benzer Tezler
- Feature analysis for recommender systems using transformer-based architectures
Transformatör tabanlı mimariler kullanan tavsiye sistemleri için öznitelik analizi
EMRE BORAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNGA GÜNGÖR
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Product ranking, pricing, and recommendation for e-commerce retailers and platforms
Çevrimiçi perakendeciler ve e-ticaret platformları için ürün sıralama ve fiyatlandırması
ALIREZA KABIRMAMDOUH
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiKoç Üniversitesiİşletme Ana Bilim Dalı
PROF. ABDULLAH GÜRHAN KÖK
- Energy-efficient velocity trajectory optimization using dynamic programming for electric vehicles
Elektrikli araçlar için dinamik programlama kullanılarak enerji verimli hız yörünge optimizasyonu
ABDULLAH KIZIL
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER
- A consolidated approach for building a software design pattern recommendation system
Yazılım tasarım şablonları tavsiye eden bir sistemin oluşturulması için birleşik bir yaklaşım
DİLARA BOZOKLAR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UFUK ÇELİKKAN