Film öneri sistemleri için hibrit bir yöntem geliştirilmesi
Küçük Resim Yok
Tarih
2013
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ege Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Öneri sistemleri ilk kez ortaya atıldıklarından beri hem endüstri hem de akademik çevrelerce üzerinde çalışılmış; birçok araştırmaya konu olmuş ve hala üzerinde aktif şekilde çalışılan bir alandır. Günümüzde de özellikle internette hizmet veren birçok işletme için vazgeçilmez iş araçları olmuşlardır. Bu tür sistemlerin doğru tahminler üretmesi önem arz etmektedir. Tez kapsamında işbirlikçi filtreleme yönteminin komşuluk seçimi kısmında %k en yakın komşu algoritması sunulmuştur. Ayrıca tahminleme adımında yeni yöntem ve yaklaşımlar geliştirilmiştir. Bu yöntemler literatürde bilinen yöntemlerle karşılaştırılmıştır. Bu sistemlerin doğruluklarını artırmak için hibrit algoritmalar sıkça uygulanmaktadır. Bu tez kapsamında içerik tabanlı ve işbirlikçi filtreleme teknikleri kullanılarak hibrit bir algoritma geliştirilmiştir. Ortaya atılan algoritmaların başarımı MAE, MSE ve ROC hata ölçüm metrikleri ile ölçülmüştür. Sonuçlar literatürdeki bilinen algoritmalar ile karşılaştırılmıştır. Deneysel sonuçlar önerilen hibrit yaklaşımın daha iyi sonuç verdiğini göstermiştir
Since the first appearance of recommender systems, they have been studied by industry and academia; they have been subject of many studies and are still active research fields. Nowadays they are essential business tools for many businesses applications especially serving on the internet. Producing accurate predictions is important for such systems. In this study a new neighborhood selection algorithm called k percent nearest neighbor is proposed. Also in prediction step some new methods and approaches are developed. These methods are compared with known methods in the literature. Hybrid algorithms are frequently applied in recommender systems to increase the prediction accuracy. In this study a new hybrid algorithm based on collaborative filtering and content based filtering has been developed. The performance of the proposed algorithms has been measured with popular metrics; MAE, MSE and ROC. The results have been compared with the results of some of the well-known algorithms in the literature. Experimental results have shown that the proposed hybrid approach produces more accurate results.
Since the first appearance of recommender systems, they have been studied by industry and academia; they have been subject of many studies and are still active research fields. Nowadays they are essential business tools for many businesses applications especially serving on the internet. Producing accurate predictions is important for such systems. In this study a new neighborhood selection algorithm called k percent nearest neighbor is proposed. Also in prediction step some new methods and approaches are developed. These methods are compared with known methods in the literature. Hybrid algorithms are frequently applied in recommender systems to increase the prediction accuracy. In this study a new hybrid algorithm based on collaborative filtering and content based filtering has been developed. The performance of the proposed algorithms has been measured with popular metrics; MAE, MSE and ROC. The results have been compared with the results of some of the well-known algorithms in the literature. Experimental results have shown that the proposed hybrid approach produces more accurate results.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
