Tavsiye sistemlerinde node2vec gömme ve sinirsel işbirlikçi filtreleme kullanımı
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: YOLANDE MARGARET GOSWELL
Danışman: Tolga Aydın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Bu tezde, tavsiye sistemlerinin geliştirilmesinde kullanılan farklı tekniklerin kapsamlı bir çalışması sunulmaktadır. Çalışmamızda, farklı veri tiplerinin tavsiye sistemlerine nasıl dâhil edildiği konusu da araştırılmıştır. Bu tezde, sinirsel işbirlikçi filtrelemeyle birleştirilmiş grafsal bir veri temsili sunularak node2vec-NCF adlı bir model sunulmuş ve tavsiye etme süreçleri gerçekleştirilmiştir. Yöntem: Node2vec olarak bilinen bir graf gömme yöntemi kullanarak, kullanıcı ve öğe varlıklarını verilerin yapısal bütünlüğünü yakalayacak bir şekilde temsil ederiz. Bu, daha sonra, verilen bir kullanıcı-öğe çiftinin derecesini tahmin eden bir sinirsel işbirlikçi filtreleme çerçevesine girdi olarak kullanılmaktadır. Bulgular: Modelimiz doğruluk metriklerinin yanı sıra hassasiyet ve hatırlama metriklerinde geleneksel yöntemlerden daha iyi performans göstermiştir. Modelimizin performansı, node2vec gömme yönteminin veri setinde bulunan gizli özellikleri doğru yakalama yeteneğiyle ilişkilendirilebilir. Sonuç: Modelimiz geleneksel tavsiye sistemi algoritmalarından daha iyi performans göstermiştir. Model, işbirlikçi filtreleme için derecelendirme değerlerinden yararlansa da, metin ve görüntü gibi çeşitli veri türlerini içerecek veya karma (hibrit) bir sistemin bir parçası olacak şekilde genişletilme potansiyeline sahiptir. Anahtar Kelimeler: tavsiye sistemi, sinirsel işbirlikçi filtreleme, node2vec, graf gömme