Elektronik ticaret uygulamalarında makine öğrenimi ile işbirlikçi filtreleme temelli ürün önerimi
Collaborative filtering-based product recommendation using machine learning in e-commerce applications
- Tez No: 967983
- Danışmanlar: PROF. DR. EMRAH ÖNDER
- Tez Türü: Doktora
- Konular: Yönetim Bilişim Sistemleri, İşletme, Management Information Systems, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Sayısal Yöntemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, elektronik ticaret (e-ticaret) bağlamında bilgi fazlalığı probleminin kullanıcı karar süreçlerine getirdiği bilişsel yükü azaltmak amacıyla, kişiselleştirilmiş ürün öneri sistemlerinin tasarımını, gerçekleştirilmesini ve değerlendirilmesini kapsar. Literatürde yer alan işbirlikçi filtreleme, içerik tabanlı ve hibrit yöntemler ayrıntılı biçimde incelenmiştir. Bu yöntemlerin veri seyrekliği, soğuk başlangıç, ölçeklenebilirlik ve doğruluk–çeşitlilik dengesi gibi yapısal sorunlar karşısındaki sınırlılıkları tartışılmıştır. Çalışmanın temel katkısı, kullanıcı–öğe etkileşimlerinin ağ yapısına dönüştürülerek çizge temelli sinir ağları yardımıyla incelenmesidir. Çizge içerisinde kullanıcılar ve ürünler düğüm olarak, aralarındaki etkileşimler ise bağlantılar olarak olarak modellenmiştir. Çalışmada, hem yerel bir e-ticaret platformu verisi hem de Amazon Review veri seti içindeki kapsamlı kulaklık verisi kullanılmıştır. Bu iki veri seti üzerinde, çizge tabanlı mimariler kullanılarak inceleme yapılmıştır. Değerlendirmede Precision, Recall, nDCG gibi sıralama metrikleri ve RMSE/MAE kullanılmıştır. Bulgular, çizge tabanlı modellerin özellikle seyrek etkileşim rejiminde ve soğuk başlangıç kısıtlarında geleneksel yöntemlere kıyasla istatistiksel olarak anlamlı iyileşmeler sunduğunu ve öneri listelerinin çeşitliliğini artırırken doğrulukta da kayda değer kazanımlar sağladığını göstermektedir. Mimari ve uygulama düzeyinde, temizleme, normalizasyon, çizge yapısına dönüştürme gibi veri hazırlama ile ilgili işlemler ve model hiper-parametre seçimi gibi adımlar uygulanmıştır. Sonuç olarak çalışmada, doğruluk, çeşitlilik ve ölçeklenebilirlik açısından çizge temelli yöntemlerin ürün öneri sistemlerinde kullanılabilir olduğu görülmektedir. Ayrıca transfer öğrenme yardımı ile küçük ve dar kapsamlı verilerde de büyük verilerde daha önce eğitilmiş modeller kullanılma potansiyeli vardır.
Özet (Çeviri)
This study aims to reduce the cognitive load that the information overload problem imposes on user decision-making in the context of electronic commerce (e-commerce) by designing, implementing, and evaluating personalized product recommender systems. Collaborative filtering, content-based, and hybrid methods in the literature are examined in detail, and their limitations against structural issues such as data sparsity, cold start, scalability, and the accuracy–diversity trade-off are discussed. The primary contribution of the work is to transform user–item interactions into a network structure and analyze them using graph-based neural networks. Within the graph, users and products are modeled as nodes, and their interactions are modeled as edges. The study uses both a local e-commerce platform dataset and the comprehensive headphones subset from the Amazon Reviews dataset. On these two datasets, analyses are conducted with graph-based architectures. Evaluation employs ranking metrics such as Precision, Recall, and nDCG, as well as RMSE/MAE. The findings show that graph-based models deliver statistically significant improvements over traditional methods, especially under sparse-interaction regimes and cold-start constraints, and that they increase the diversity of recommendation lists while also achieving notable gains in accuracy. At the architectural and implementation level, data preparation steps—such as cleaning, normalization, and transformation into a graph structure—and model hyperparameter selection are carried out. In conclusion, graph-based methods are shown to be viable for product recommender systems in terms of accuracy, diversity, and scalability. In addition, with the aid of transfer learning, there is potential to reuse models trained on large datasets for small and narrow-scope datasets.
Benzer Tezler
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Plazma arkı eldesi ve yüzey bölgesi modifikasyonunda kullanılabilirliği
Başlık çevirisi yok
ÖZKAN ÖZİPEKLİLER
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Realization of transmitter and receiver clock generation units and channel switching unit in a modified analog radio relay
Değiştirilen bir analog radyodaki verici ve alıcı saat üretimi birimleri ve kanal anahtarlama biriminin gerçekleştirilmesi
AYHAN BÜYÜKSEMERCİ
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT AŞKAR
- New algorithms and techniques for microprocessor-controlled PWM induction drives
Başlık çevirisi yok
OSMAN KÜKRER
Doktora
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. H. BÜLENT ERTAN
- Kurbağa gastrik mukozasında K-H ATPaz enziminin kinetik özellikleri ve oluşturulan ülser modelinde enzim aktivitesi
Başlık çevirisi yok
SEYHAN TÜKEL