A hybrid recommendation system
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2016
Tezin Dili: İngilizce
Öğrenci: AHMED ADEEB JALAL JALAL
Danışman: Oğuz Altun
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:İnternet büyümesi her geçen gün gözlenmekte, özellikle de sosyal ağlarda bu durum fazlası ile hissedilmektedir. Sunulan ürünlerin, web sayfalarının fazlalığı, belli bir konuda araştırma yapan kişi için kendi konusu ile alakalı hususları bulmayı oldukça meşakkatli hale getirmektedir. Öte yandan, kullanıcıların farklı tutumları ve tercihleri, büyük bir kullanıcı grubu arasında bir "komşu" kullanıcı bulmayı zorlaştırmaktadır. Bu nedenle otomatik yazılım sistemleri, kullanıcılar için neyin ilgi çekici olduğunu tespit etmekte zorlanmaktadırlar. Bu akışa uyum sağlamak için yeni bir yaklaşım önerdik. Bir özet matris oluşturmak için eğitim verisi alan bilgisini kullanacağız. Özet matrisi, seçilen özelliğin özellik değerlerine göre yeni ve birkaç sütundan oluşur. Özet matrisini, derecelendirilmiş öğeler için kullanıcının profilinde görünen özellik sayısına göre ortalama derecelendirmelerle doldururuz. Özet matrisini iki hibrit tavsiye sisteminde kullanırız. Yaklaşımımızda, boru hattı hibritizasyon tekniklerinden biri olan meta-seviye tekniğini kullanıyoruz. Bizim önerdiğimiz yaklaşım sayesinde, katılımcı tavsiye sistemlerinde sıklıkla görülen seyreklik, soğuk başlangıç ve ölçeklenirlik gibi sorunların etkileri azalacaktır. Ek olarak, tam katılımcı filtreleme yaklaşımı Pearson Korelasyonu yaklaşımı ile karşılaştırıldığında, tavsiyelerin doğruluğunu yükseltmektedir ve daha hızlı olacak.