A two-tower retrieval approach for personalized product recommendations in cosmetic e-commerce
Kozmetik e-ticaretinde kişiselleştirilmiş ürün önerileri için iki kuleli (two-tower) bir getirme yaklaşımı
- Tez No: 966255
- Danışmanlar: DOÇ. DR. TUNA ÇAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: MEF ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Tavsiye sistemleri, e-ticaret platformlarında kullanıcı deneyimini geliştirmek ve etkileşimi artırmak açısından hayati bir rol oynamaktadır. Bu tez, TensorFlow Recommenders (TFRS) kullanılarak uygulanan geri getirme (retrieval) tabanlı sinir ağı mimarileriyle oluşturulmuş iki kişiselleştirilmiş ürün tavsiye yaklaşımının karşılaştırmalı analizini sunmaktadır. İlk yaklaşım, yalnızca kullanıcı ve ürün kimliklerine (ID) dayalı gömlemeleri (embedding) kullanmaktadır. İkinci model ise ürün temsilini, özellikle ürün başlığı ve üst kategori bilgilerini içeren anlamsal (semantik) içerik özellikleriyle zenginleştirmektedir. Her iki model de örtük satın alma verileriyle eğitilmiş ve en yakın komşu getirimi üzerinden recall@K ölçümünü yapan FactorizedTopK metriği ile değerlendirilmiştir. Çalışma, sıcak başlangıç (warm-start) senaryosu varsayımına dayanmakta ve ürün getirimi için gömleme uzayında anlamsal bağlamın değerine vurgu yapmaktadır. Bulgularımız, özellikle ürünler arasındaki anlamsal benzerliğin önemli olduğu durumlarda, içerik özelliklerinin dahil edilmesinin tavsiye doğruluğunu artırmada fayda sağladığını ortaya koymaktadır.
Özet (Çeviri)
Recommender systems play a vital role in enhancing user experience and driving engagement in e-commerce platforms. This thesis presents a comparative analysis of two personalized product recommendation approaches using retrieval- based neural architectures implemented with TensorFlow Recommenders (TFRS). The first approach relies solely on ID-based embeddings using user and product identifiers. The second model enriches product representations by incorporating semantic content features, specifically product title and upper category information. Both models are trained using implicit purchase data and evaluated with the FactorizedTopK metric, which estimates recall@K through nearest-neighbor retrieval. The study assumes a warm-start scenario and emphasizes the value of semantic context in embedding space for product retrieval. Our findings highlight the benefit of including content features for improving recommendation accuracy, particularly in contexts where semantic similarity between products is relevant.
Benzer Tezler
- Freezing fog microphysics and visibility over complex terrain based on cfact field campaign
Donan sis mikrofiziğinin ve görüş mesafesinin dağlik alanlarda cfact proje verileri kullanilarak analizi
ONUR DURMUŞ
Doktora
İngilizce
2025
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ŞEN
- Üretici yapay nöron ağlarının mimari tasarım için kullanılması
Architectural design with generative adversarial networks
MUKADDES UÇAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Design of a multiplexer filter for 4th generation long term evaluation base stations
4. nesil uzun süreli gelişim tabanlı baz istasyonları için çok bantlı filtre tasarımı
SABRİ YILMAZ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN PAŞA PARTAL
- A Hierarchical production planning model with sequence dependent set-up times
Başlık çevirisi yok
SERDAR AKIN
Yüksek Lisans
İngilizce
1993
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiDOÇ.DR. GÜLAY BARBAROSOĞLU
- İki serbestlik dereceli helikopter için Kalman filtresi tabanlı durum/model parametre tahmini ve dayanıklı denetleyici tasarımı
Kalman filter based state/model parameter estimation and robust controller design for two degree of freedom helicopter
İBRAHİM MUCUK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN ÖZDEMİR