İşbirlikçi filtreleme yöntemlerinin geliştirilen bir uygulama ile karşılaştırılması
Comparison of collaborative filtering methods with an application developed
- Tez No: 522077
- Danışmanlar: PROF. DR. NEVCİHAN DURU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde alternatiflerin çoğalması kişilerin karar vermesini oldukça zorlaştırmaktadır. Öneri sistemleri ise karar verme aşamasında, kişilerin geçmiş alışkanlıklarını göz önünde bulundurarak kişiye uygun seçim yapmayı oldukça kolaylaştırmıştır. Öneri sistemlerinin temel amacı olan doğru öneride bulunmak için yürütülen çalışmalar günümüzde de devam etmektedir. Gerçekleştirilen çalışmanın amacı ise işbirlikçi filtreleme ile oluşturulan öneri sistemlerinde kullanılan yöntemlerin, sistemdeki doğru tahmin oranına olan etkisini ölçmektir. Bu çalışmada Pearson korelasyonu, sınırlı Pearson korelasyonu, kosinüs benzerliği, matris faktorizasyonu yöntemlerinden biri olan Stochastic Gradient Descent ve veri bilimi platformlarından Azure Machine Learning kullanılmış ve elde edilen sonuçlar karşılaştırılmıştır. Elde edilen sonuçlara göre ayrıca bir öneri sistemi tasarlanmıştır.
Özet (Çeviri)
Today, the multiplication of alternatives makes it very difficult for people to make decisions. Recommender systems have made it easier to make the right choice for the person with taking into account the past habits of the person in the decision making stage. The researches carried out in order to make the right suggestion which is the main aim of the recommender systems continues today. The aim of the study is to measure the effect of the methods used in the recommender systems created with collaborative filtering on the correct prediction rate in the system. In this study, Pearson correlation, constrained Pearson correlation, cosine similarity, Stochastic Gradient Descent which is one of the matrix factorization methods and Azure Machine Learning which is one of the data science platforms were used and the results obtained were compared. According to the results obtained, a recommendation system is also designed.
Benzer Tezler
- Çekirdeksiz kuru üzümlerde aflatoksin B1, B2, G1, G2 tayini için mevcut bazı metotların karşılaştırılması üzerinde bir çalışma
Başlık çevirisi yok
DİLEK BOYACIOĞLU
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MERAL GÖNÜL
- Avrupa Topluluğu'nun bürokratik yapısı
Başlık çevirisi yok
GÜNİZ ODYAKMAZ
Yüksek Lisans
Türkçe
1989
Uluslararası İlişkilerİstanbul ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. BENER KARAKARTAL
- Milletlerarası kaçakçılık suçları ve önlenmesinde milletlerarası polis ve adli işbirliği
Başlık çevirisi yok
SIRRI OĞUZ
Yüksek Lisans
Türkçe
1986
Kamu YönetimiGazi ÜniversitesiKamu Yönetimi Ana Bilim Dalı
PROF. DR. HASAN KÖNİ