Using learning to rank for a top-n recommendation system in tv domain
Tv alanında bir ilk-n öneri sistemi için sıralama öğreniminin kullanılması
- Tez No: 442115
- Danışmanlar: PROF. DR. FEHİME NİHAN ÇİÇEKLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Tavsiye etme, Recommendation
- Yıl: 2016
- 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
Bu çalışmada, sıralama öğrenimi yöntemleri kullanılarak televizyon alanında bir ilk-N öneri sistemi sunulmuştur. Önerilen sistemin tasarım, geliştirme ve değerlendirmesi detaylı bir şekilde açıklanmıştır. Geleneksel öneri sistemlerinde kullanılan nesnelerin puanlanmasının aksine, TV kullanıcılarına ilgiye göre sıralanmış öneri nesnelerinin listesi sunulmuştur. Bunun yanı sıra sıralama modelinin oluşturulması için kullanılan yol tabanlı özellikler detaylı bir şekilde açıklanmıştır. Kullanılan bu özellikler işbirlikçi, içerik tabanlı ve bağlam duyarlı öneri sistemini mümkün kılmaktadır. Ayrıca, bazı en gelişkin nokta bazlı, ikili bazlı ve liste bazlı olarak gruplandırılmış sıralama öğrenimi algoritmaları, sıralama modelinin oluşturulmasında denenmiştir. Böylece, temel bir öğrenme kullanmayan yöntem ile sıralama öğrenimi kullanan yöntem karşılaştırılmış ve sıralama öğrenimi kullanılan modelin daha iyi performans gösterdiği sunulmuştur.
Özet (Çeviri)
In this thesis, a top-N recommendation system in TV domain is proposed using learning to rank. The design, development and evaluation of the proposed recommender system are described in detail. Instead of calculating rating score of items like in conventional recommender systems, the ranked recommendation item list is presented to TV users. Moreover, path-based features which are used to build ranking model is explained in detail. These features provide collaborative filtering, content-based filtering and context aware recommendation system. Furthermore, some state of the art learning to rank approaches from each category called as pointwise, pairwise and listwise have been experimented to generate a ranking model. Then a baseline which does not use any learning are compared with the one using learning to rank algorithm. It is shown that the model constructed with learning to rank algorithm gives better results.
Benzer Tezler
- Çok amaçlı karar verme metodları ve tekstil sanayiinde bir uygulama
Multiple criteria decision making methods and an application to the textile industry
H.EDA ÖZTÜRK
Yüksek Lisans
Türkçe
1992
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. RAMAZAN EVREN
- Plant identification using deep convolutional networks based on principal component analysis
Ana bileşen analizine dayalı derin konvolüsyonel ağ kullanımıyla bitki tanımlama
MOSTAFA MEHDİPOUR GHAZİ
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. AYŞE BERRİN YANIKOĞLU YEŞİLYURT
- BGA malzemelerin x-ışını görüntülerindeki lehim hatalarının derin sinir ağı kullanarak tespiti
Detection of BGA solder defects from x-ray images using deep neural network
CEREN TÜRER AKDENİZ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Türkçe dersinde ağ araştırması'na dayalı öğretim: Bir eylem araştırması
Webquest-based teaching in Turkish lesson: An action research
HACER ULU
- Kalp yetmezliği olan hastaların eğitim gereksinimleri ve hemşirelerin bu konuda düşünceleri
The education requirement of the patient with heart failure and the nurses' thoughts about this
CİVAN KIZIL
Yüksek Lisans
Türkçe
2008
HemşirelikDokuz Eylül Üniversitesiİç Hastalıkları Hemşireliği Ana Bilim Dalı
YRD. DOÇ. DR. SEVGİ KIZILCI