Geri Dön

Developing a hybrid recommendation algorithm for fashion products: evaluating the impact of classical and deep learning models with multimodal data integration

Moda ürünleri için hibrit bir öneri algoritmasının geliştirilmesi: çoklu modlu veri entegrasyonu ile klasik ve derin öğrenme modellerinin etkisinin değerlendirilmesi

PDF İndir

  1. Tez No: 970390
  2. Yazar: ERHAN TÜTÜNCÜ
  3. Danışmanlar: DOÇ. DR. CEMAL OKAN ŞAKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Mobil ticaret, Tavsiye kararı, Mobile commerce, Recommendation decision
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, moda ürünleri için özelleştirilmiş bir hibrit öneri sistemi geliştirilmiş ve klasik ile derin öğrenme tabanlı yaklaşımların etkileri çoklu modlu veri entegrasyonu ile değerlendirilmiştir. Moda e-ticaret platformlarında, kullanıcı davranışları (tıklama akışı), ürün bilgileri ve görseller gibi farklı veri türleri bulunmaktadır ve bu çeşitlilik geleneksel öneri sistemlerinin performansını sınırlayabilmektedir. Çalışma kapsamında, önerilen hibrit sistem, işbirlikçi filtreleme ve içerik tabanlı yöntemleri derin öğrenme modelleriyle birleştirerek önerilerin doğruluğunu ve kullanıcı deneyimini iyileştirmeyi hedeflemiştir. Farklı veri türlerinin model performansına katkısı detaylı şekilde analiz edilmiş, içerik tabanlı filtreleme ve işbirlikçi filtreleme birleşiminden oluşan standart tavsiye algoritması modelleri ile derin öğrenme modelleri performans açısından karşılaştırılmıştır. Elde edilen sonuçlar, çoklu veri türlerinin bütünleştirilmesinin öneri sistemlerinin doğruluğunu önemli ölçüde artırdığını ve daha kişiselleştirilmiş öneriler sunduğunu göstermiştir. Çalışma, hibrit öneri sistemleri için kapsamlı bir model sunarken, farklı veri tiplerinin ve algoritmaların öneri kalitesine etkisine dair önemli bulgular ortaya koymaktadır.

Özet (Çeviri)

n this study, a customized hybrid recommendation system for fashion products was developed, and the impacts of classical and deep learning-based approaches were evaluated through multimodal data integration. Fashion e-commerce platforms deal with diverse data types such as user behavior (clickstream), product information, and images, which can limit the performance of traditional recommendation systems. The proposed hybrid system aims to enhance recommendation accuracy and user experience by combining collaborative filtering and content-based methods with deep learning models. The contributions of different data types to model performance were thoroughly analyzed, and the performance of classical recommendation algorithms combining content-based and collaborative filtering techniques such as standard hybrid was compared with deep learning-based models. This study looks at how using different types of data can help make recommendation systems more accurate. By bringing together a range of data sources, it's possible to offer suggestions that fit people's preferences more closely. The research also presents a practical example of a hybrid recommendation system and takes a closer look at how the choice of data and algorithms can affect the quality of the recommendations.

Benzer Tezler

  1. Tez No

    506499

    Developing a context-aware location recommender system for location-based social networks

    Konum tabanlı sosyal ağlar için bağlam duyarlı konum tavsiye sistemi geliştirme

    AYSUN BOZANTA

    Doktora

    İngilizce

    İngilizce

    2018

    İşletmeBoğaziçi Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. BİRGÜL KUTLU BAYRAKTAR

  2. Tez No

    837076

    Hierarchical deep bidirectional self-attention model for recommendation

    Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli

    İREM İŞLEK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  3. Tez No

    727761

    İşbirlikçi filtreleme için üst veri kullanılarak benzerlik denklemleri performanslarının iyileştirilmesi

    Enhancing the performance of similarity equations by metadata for collaborative filtering

    ALPER ARIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAT ADAR

  4. Tez No

    66402

    İmalat stratejileri ve imalat teknolojisi seçiminde uzman sistem yaklaşımı

    Manufacturing strategies and an expert system approach to selecting manufacturing technology

    İBRAHİM ÇİL

    Doktora

    Türkçe

    Türkçe

    1997

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. RAMAZAN EVREN

  5. Tez No

    691048

    Derin öğrenme tabanlı işbirlikçi filtreleme yöntemini kullanarak restoran tavsiye sisteminin geliştirilmesi

    Developing restaurant recommendation system with neural collaborative filtering method

    TOLGA HAMİTOVALI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. ILHAM HUSEYINOV

Geri Dön