Developing a Personalized Recommender System in an E-commerce Firm
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: Aslı Levent
Danışman: Gülder Kemalbay
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde hemen hemen her orta/büyük ölçekli e-ticaret şirketinin, kullanıcılarla etkileşimi artırmak için web sitelerinde kişiselleştirilmiş deneyim oluşturması çok önemlidir. Kişiselleştirilmiş deneyim farklı yollarla artırılabilir. Tavsiye sistemleri, çok az ve etkili uygulamaları nedeniyle yaygın olarak kullanılmaktadır. Kullanıcıların geçmiş verileriyle ilişkili olabilecek ürünleri önermek için kullanıcıların geçmiş veya davranışsal verilerini kullanır. Bu tavsiyeler, kullanıcıların olduğu kadar şirketlerin de sepetteki ürün çeşitliliğini artırmalarına ve hedefledikleri büyümeye ulaşmalarına yardımcı olur. Bu nedenle bu tezin uygulama kısmı, bir e-ticaret firması için ürün tavsiye sistemi geliştirmeyi amaçlamaktadır. Öneri sistemleri, Bellek tabanlı veya Model tabanlı olarak geliştirilebilir. Bellek tabanlı yaklaşımlar küçük veri setleriyle daha iyi çalışır ve iyi sonuçlar verirken, Model tabanlı yaklaşımlar büyük ve seyrek verilerle daha iyi çalışır ve web siteleri gibi canlı ortamlarda daha iyi performans gösterir. Bu tezde kullanılan veriler büyük veri olduğundan ve geliştirilen model web sitesinde canlı ortamda çalışacak şekilde kullanılacağından dolayı gelecekte bu iki durumu da çözen bir yaklaşım kullanmalıyız. Bu nedenle, model tabanlı işbirlikçi filtreleme yaklaşımı, Tekil Değer Ayrışımı ve Değişen En Küçük Kareler matris ayrıştırma yöntemleri denenmiş ve en iyi modeli seçmek için sonuçlar karşılaştırılmıştır. Ayrıca elimizdeki veri bir satın alma verisi olduğu ve herhangi bir model uygulanmaya hazır olmadığı için, öncesinde işlemsel verileri açık verilere çevirecek yaklaşım uygulanmıştır. Son olarak, RMSE değeri 0.79 ve MAE değeri 0.51 olan Değişen En Küçük Kareler matris çarpanlarına ayırma yöntemi, ana öneri motoruna entegre edilecek en iyi model olarak seçilmiştir. Tüm sonuçlara ve kullanıcılara önerilen ürün kategorilerindeki çıktılara dayanarak, Değişen En Küçük Kareler yöntemi ile çalışan matris çarpanlara ayırma modelinin kullanılmasına karar verilmiştir.