Derin öğrenme tabanlı hibrit NFT öneri sistemi
Deep learning based hybrid NFT recommendation system
- Tez No: 939425
- Danışmanlar: PROF. DR. NİZAMETTİN AYDIN
- 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: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Öneri sistemleri, film, müzik ve e-ticaret gibi alanlarda yaygın olarak kullanılmaktadır. Blok zincir teknolojisiyle ortaya çıkan değiştirilemez jetonlar (Non-Fungible Token, NFT), benzersizlik, sahiplik kanıtı, değişmezlik ve izlenebilirlik gibi teknolojik özellikleri sayesinde dikkat çekici bir araştırma alanı haline gelmiştir. NFT'ler; sanat, finans ve eğitim gibi çeşitli alanlarda kullanılmaktadır. Ancak, NFT öneri sistemleri üzerine yapılan çalışmalar sınırlıdır. NFT alanı, kullanıcı-öğe etkileşimlerinin yüksek seyrekliği, etkileşim skor verisinin eksikliği, blok zincir anonimliği nedeniyle demografik verilerin bulunmaması ve görsel, metinsel ve işlem verisi gibi çeşitli veri türlerinin varlığıyla kendine özgü kısıtlar içermektedir. Bu kısıtlar, kişiselleştirilmiş öneri sistemi geliştirilmesini zorlaştırmaktadır. Bu çalışmada, NFT'lerin özgün teknolojik özelliklerinden yararlanmak ve NFT öneri sistemi alanında karşılaşılan zorlukları ele almak amacıyla derin öğrenme yöntemleri kullanılarak NFT'ler için kişiselleştirilmiş bir öneri sistemi geliştirilmiştir. NFT-NCFAE olarak adlandırılan model, kullanıcı-öğe etkileşimlerini öğrenmek için Sinirsel İşbirlikçi Filtreleme (Neural Collaborative Filtering, NCF) ve NFT'lere ait görsel, metinsel, fiyat ve işlem verileri ile kullanıcı verilerini modele dahil etmek için Otomatik Kodlayıcı (Autoencoder, AE) kullanmaktadır. Geliştirilen modelde AE'nin etkisini ölçümlemek amacıyla, NFT ve kullanıcılara ait ek veriler dahil edilmeden yalnızca NCF kullanan NFT-NCF modeli de geliştirilmiş ve kullanıcı-öğe etkileşimlerine odaklanan ek bir analiz gerçekleştirilmiştir. Her iki model, literatürde kullanılan bir veri seti üzerinde uygulanmış ve elde edilen sonuçlar kapsamlı bir şekilde değerlendirilmiştir. Bulgular, NFT-NCFAE modelinin, hem literatürdeki mevcut çalışmaya dayanan modelden hem de NFT-NCF modelinden daha iyi performans gösterdiğini ortaya koymaktadır. Sonuç olarak, NFT-NCFAE modeli, kişiselleştirilmiş NFT öneri sistemlerinin geliştirilmesine önemli bir katkı sunma potansiyeline sahiptir.
Özet (Çeviri)
Recommender systems are widely used in fields such as movies, music and e-commerce. Non-Fungible Tokens (NFTs), which emerged with blockchain technology, have become an attractive research topic due to their technological characteristics such as uniqueness, proof of ownership, immutability and traceability. NFTs are used in various fields such as art, finance and education. However, research on NFT recommender systems remains limited. NFTs present unique challenges such as the high sparsity of user-item interactions, various data types such as images, textual information, and transaction data, and blockchain anonymity leading to the absence of demographic and transaction score data. These challenges make it difficult to develop personalized recommendations. In this study, we develop a personalized recommendation system for NFTs using deep learning methods to exploit the unique technological characteristics of NFTs and address the challenges in the field of NFT recommendation system. The proposed model, called NFT-NCFAE, uses Neural Collaborative Filtering (NCF) to capture user-item interactions and Autoencoder (AE) to integrate visual, textual, price and transaction data of NFTs and user data into the model. In order to assess the specific contribution of AE in the developed model, an additional analysis focusing on user-item interactions was conducted with a model called NFT-NCF, using only NCF without including additional data on NFTs and users. Both models were tested on a dataset used in the literature and the results were comprehensively evaluated. The findings reveal that the NFT-NCFAE model outperforms both the model based on existing work in the literature and the NFT-NCF model. As a result, the NFT-NCFAE model has the potential to make a significant contribution to the development of personalized NFT recommender systems.
Benzer Tezler
- Derin öğrenme tabanlı hibrit model tasarımı ile EKG sinyal sınıflandırmasında aritmi tespiti
Arrhytmia detection on ECG signals via hybrid model design based on deep learning
TUĞBA TAŞBAŞI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EFTAL ŞEHİRLİ
- Derin öğrenme tabanlı hibrit tahminleme modeli kullanarak rüzgar hızı tahminlemesi
Wind speed forecasting using a deep learning-based hybrid forecasting model
MUHAMMED MUSA FINDIK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM EMEKSİZ
- Derin öğrenme ve makine öğrenmesi tabanlı hibrit model ile ekmeklik buğday çeşitlerinin sınıflandırılması
Classification of bread wheat varieties using a hybrid model based on deep learning and machine learning
FİRUZE ELİF TOKDEMİR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiKaramanoğlu Mehmetbey ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KADİR SABANCI
- Deepfake tespiti için derin öğrenme tabanlı hibrit mimarilerin geliştirilmesi
Development of deep learning-based hybrid architectures for deepfake detection
İSMAİL İLHAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Sosyal medya verileri üzerinde derin öğrenme tabanlı hibrit model kullanılarak salgın dönemi duygu analizi
Epidemic period emotion analysis using a deep learning based hybrid model on social media data
AYHAN AKKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN