Hypernetwork-based hybrid recommendation system enhanced by llm-augmented representations
Büyük dil modelleri ile zenginleştirilen temsillerle güçlendirilmiş hiper-ağ tabanlı hibrit öneri sistemi
- Tez No: 972969
- Danışmanlar: DOÇ. DR. ŞEYDA ERTEKİN
- 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: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital içerik çeşitliliği ve hacmindeki hızlı büyüme, kullanıcılara ilgili öğeleri verimli bir şekilde sunma zorluğunu arttırmıştır. Öneri sistemleri, platformlar için etkileşimi ve kullanıcıyı elde tutmayı geliştirirken kullanıcı memnuniyetini artırarak bu zorluğun üstesinden gelmenin etkili bir yolu olarak ortaya çıkmıştır. Son yıllarda, büyük dil modelleri (LLM'ler) öneri sistemlerine entegre edilmesi; bilgi enjeksiyonu, örüntü tanıma ve kullanıcı profili çıkarma gibi görevleri gerçekleştirme kabiliyetleri nedeniyle giderek artan bir ilgi görmektedir. Bu tez, LLM'ler tarafından oluşturulan insan tarafından okunabilir kullanıcı profillerinden yararlanarak bireysel kullanıcılar için kişiselleştirilmiş öneri ağları oluşturan bir hiperağ tabanlı mimari olan Real World Recommender'ı tanıtmaktadır. Bu çerçevede, hiperağ, oluşturulan profillere dayanarak kullanıcı tercihlerini tahmin etmekten sorumlu ikincil bir sinir ağının ağırlıklarını üretir. Her kullanıcıya özel bir sinir ağı uyarlayarak, önerilen yaklaşım kişiselleştirilmiş öneri sistemlerinde LLM tabanlı kullanıcı temsillerinin yeni bir kullanımını sunmaktadır. Yaygın olarak kullanılan kıyaslama veri kümeleri üzerinde yapılan deneysel değerlendirmeler, yöntemin sürekli olarak belirlenmiş temel değerleri geride bıraktığını ve doğru ve iyi sıralanmış öneriler üretmedeki etkinliğini vurgulamaktadır.
Özet (Çeviri)
The rapid growth in the diversity and volume of digital content has intensified the challenge of efficiently delivering relevant items to users. Recommendation systems have emerged as an effective means of addressing this challenge, enhancing user satisfaction while improving engagement and retention for platforms. In recent years, the integration of large language models (LLMs) into recommendation systems has gained increasing attention due to their ability to perform tasks such as knowledge injection, pattern recognition, and user profiling. This thesis introduces Real World Recommender, a hypernetwork-based architecture that leverages human-readable user profiles generated by LLMs to construct personalized recommendation networks for individual users. Within this framework, the hypernetwork produces the weights of a secondary neural network responsible for predicting user preferences based on the generated profiles. By tailoring a dedicated neural network to each user, the proposed approach offers a novel utilization of LLM-based user representations in personalized recommendation systems. Experimental evaluations conducted on widely used benchmark datasets demonstrate that the method consistently outperforms established baselines, highlighting its effectiveness in generating accurate and well-ranked recommendations.
Benzer Tezler
- A Simulation study on HTTP performance analysis in terms of its rnteraction with TCP
TCP etkileşimli HTTP performans analizi için simülasyon çalışması
GÜRKAN DENİZ
Yüksek Lisans
İngilizce
1998
İhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Şebeke örgüt yapıları ve Türkiye`deki sanayi işletmeleri üzerine bir araştırma
Network structures and a research on Turkish manufacturing companies
METİN REYHANOĞLU
