Forecasting user behaviors in call detail records using LSTM models
Arama ayrıntıları kayıtlarında kullanıcı davranışlarının LSTM modelleri ile tahmin edilmesi
- Tez No: 665304
- Danışmanlar: PROF. DR. İSMAİL HAKKI TOROSLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- 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
Sehir planlamacıları, yöneticileri ve mobil telefon operatörleri Arama Ayrıntıları Kayıtları (CDR) verilerinden trafik tıkanıklığı iyileştirmeleri, olay belirleme, faturalandırma ve reklam politikaları gibi alanlarda oldukça yararlanmaktadır. Bireysel ve topluluk analizleri hizmet kalitesini artırmaya yardımcı olmaktadır. Bu tezde, üç ana problem için regresyon ve sınıflandırma analizi sunmaktayız. Regresyon analizinde, belirli sayıda kullanıcıların arama sayıları ve toplam-zamanları üzerine deneyler yapmaktayız. Bu iki görevde, çeşitli uzun kısa zamanlı bellek (LSTM) katmanlarından oluşan bireysel kullanıcı bazlı modellerin sonuçlarını iyileştirmek amacıyla kümeleme tabanlı ve aykırı gözlemleri ayrıştıran modeller öne sürmekteyiz. Diğer yandan, sınıflandırma analizinde ise kullanıcıların gezingelerindeki bir sonraki konumlarını tahmin eden modeller ileri sürmekteyiz. Temel LSTM modelinin sonuçlarını tek-seferde-iki-tahmin yaklaşımıyla iyileştirmekteyiz. Analizler, tekrarlayan sinir ağlarının sıralı verilerde iyi çalıştığını ve modellerin üzerinde yapılan iyileştirmelerin, umut vaad eden sonuçlar verdigini göstermektedir.
Özet (Çeviri)
City planners, governors and mobile phone operators utilize quite from Call Detail Records (CDR) data in the fields like optimizations of traffic congestion, event detection, billing and advertisement policies. Both individual and crowd analyses help improving the quality of services. In this thesis, we present regression and classification analysis for three main problems. In regression analysis, we experiment on call counts and call time-sums of specified numbers of users. We propose cluster based and outlier separating models in these two tasks for the purpose of improving the results of individual user-based models comprised of various Long Short Term Memory(LSTM) layers. In the classification analysis, on the other hand, we present models that predict next locations on the trajectories of the users. We improve the results of base LSTM model with two-predictions-at-once approach. The analyses show that recurrent neural networks work well with sequential data and optimizations on top of the models yield promising results.
Benzer Tezler
- Sigortada dağıtım ve tutundurma metodları
Başlık çevirisi yok
BANU GÖNENÇ
Yüksek Lisans
Türkçe
1994
SigortacılıkMarmara ÜniversitesiSigortacılık Ana Bilim Dalı
DOÇ. DR. OSMAN GÜRBÜZ
- Spor salonundaki aletlerin kapasite tahminlemesi için bir uygulama çerçevesi
An application framework for gym equipment capacity forecast
OSMAN ÇAYLI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Prediction of early-age mechanical properties of high strength concrete with pozzolans by using statistical methods
İstatistik yöntemler kullanılarak puzolan katkılı yüksek dayanmlı betonların erken yaş mekanik özelliklerinin tahmini
MUZAFFER UMUR DALGIÇ
Yüksek Lisans
İngilizce
2022
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ AKKAYA
- Elektrik güç dağıtımında akıllı sayaç verileri için anomali tespiti ve tahminleme
Anomaly detection and prediction for smart meter data in electrical power distribution
SERHAT YARAT
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP ORMAN