Büyük veride duygu analizine dayalı öneri sistemleri
Sentiment analysis based recommender systems in big data
- Tez No: 436205
- Danışmanlar: DOÇ. DR. SEVİNÇ İLHAN OMURCA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmanın amacı kullanıcı puanlama temelli öneri sistemlerinin, kullanıcı puanları yerine duygu analizinden elde edilen değerler ile büyük veri üzerinden gerçeklenmesidir. Internet üzerinden e-ticaret sistemlerinin yaygınlaşması ile çok fazla kullanıcı verisi oluşturulması sonucunda alışılmış depolama sistemleri artık yetersiz kalmaya başlamış ve verinin bölünmesi zorunlulukları ortaya çıkmıştır. Veri bütünlüğünü sağlamak ancak dağıtık dosya sistemleri teknolojileri ile mümkün olabilmektedir. Büyük veri üzerinden makine öğrenmesi algoritmalarının çalıştırılması ve sonuçların değerlendirilmesine duyulan ihtiyaç gün geçtikçe artmaktadır. Bu çalışmada büyük veriler ile öneri sistemlerinin kişiselleştirilmesinin önemi ve aynı zamanda öneri sistemleri temel yöntemlerine sunduğu katkı raporlanmış ve sonuçları analiz edilmiştir. Analiz sonuçlarına göre verinin hacmen büyümesi ve kişiselleştirme adımları başarım oranlarını arttırmıştır.
Özet (Çeviri)
The aim of this study is to realize a recommender system (RS) for big data application by using sentiment analysis instead of user ratings. By becoming widespread of e-commerce systems through internet, too much user data has became available. So traditional storage systems remained incapable and the stored data is divided. Nowadays we collect lots of reviews from users and feedback on e-commerce web sites therefore the importance of increasing big data analysis technology, which increases the need of big calculation. In this study, we report the performance improvement by adding the natural language processing steps to the classical recommender system. As a result that big data and personalized process are decrease the recommender systems error rate.
Benzer Tezler
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Social media data valuation model for disaster incidence mapping
Sosyal medya verilerinin afet olaylarının haritalanması için değerlendirme modeli
AYŞE GİZ GÜLNERMAN GENGEÇ
Doktora
İngilizce
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- The effect of academic rumination on goal orientations in perfectionist adolescents
Mükemmeliyetçi ergenlerde akademik ruminasyonun hedef yönelimleri üzerindeki etkisi
AYBÜKE YARDIMCI
Yüksek Lisans
İngilizce
2020
PsikolojiTed ÜniversitesiPsikoloji Ana Bilim Dalı
DOÇ. DR. TUĞBA UZER YILDIZ
- A customer-oriented choice model: The integration of discrete choice experiment and Kansei Engineering
Müşteri odaklı seçim modeli: Ayrık seçim deneyi ile Kansei Mühendisliğinin bütünleşimi
MERVE GÜNDÜZ CÜRE
Yüksek Lisans
İngilizce
2021
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. AYSUN KAPUÇUGİL İKİZ
- Sosyal bilgiler öğretmen adaylarının ideal vatandaşlık anlayışlarına yönelik bir anlatı sorgulaması
A narrative inquiry of prospective social studies teachers' perspective on ideal citizenship
FATİH ÖZTÜRK
Doktora
Türkçe
2019
Eğitim ve ÖğretimGazi ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
DOÇ. DR. CEMİL CAHİT YEŞİLBURSA