Online Makale
Online Hizmetlere Toplu Bakış
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi
| Pamukkale Univ Muh Bilim Derg. 2016; 22(2): 123-128 | DOI: 10.5505/pajes.2014.44227 | |||
İşbirlikçi filtreleme için yeni tahminleme yöntemleriHasan Bulut, Musa MilliEge Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, İzmirFirmalar, özellikle e-ticaret firmaları, öneri sistemleri kullanarak müşteri memnuniyetini, dolayısı ile karlılıklarını artırmayı hedeflemektedirler. Günümüzde Öneri Sistemleri yaygın olarak kullanılmakta ve bunları kullanan firmalara stratejik avantajlar sağlamaktadır. Bu sistemler farklı aşamalardan oluşurlar. İlk aşamada kullanıcı-ürün değerlendirme matrisi kullanılarak aktif kullanıcı ile diğer kullanıcılar arasındaki benzerlikler bulunur. Daha sonra bu benzerliklerden yola çıkılarak aktif kullanıcının yakın komşuları belirlenir. Tahmin hesaplama aşamasında, ilk adımda bulunan benzerlikler kullanılarak aktif kullanıcının yakın komşularının ağırlık vektörü oluşturulur. Komşular tahmin hesaplamasına bu ağırlıklar oranında etki ederler. Bu çalışmamızda işbirlikçi filtreleme algoritmalarının son basamağı olan tahmin hesaplama adımı için yeni yöntemler geliştirilmiştir. Bu yöntemlerin başarımı literatürde kullanılan değerlendirme metrikleri ile ölçülüp bu alanda yapılan çalışmalar ile karşılaştırılmıştır. Anahtar Kelimeler: Öneri sistemleri, İşbirlikçi filtreleme, Tahminleme metotlarıNew prediction methods for collaborative filteringHasan Bulut, Musa MilliEge University, Faculty of Engineering, Computer Engineering Department, Izmir, TurkeyCompanies, in particular e-commerce companies, aims to increase customer satisfaction, hence in turn increase their profits, using recommender systems. Recommender Systems are widely used nowadays and they provide strategic advantages to the companies that use them. These systems consist of different stages. In the first stage, the similarities between the active user and other users are computed using the user-product ratings matrix. Then, the neighbors of the active user are found from these similarities. In prediction calculation stage, the similarities computed at the first stage are used to generate the weight vector of the closer neighbors. Neighbors affect the prediction value by the corresponding value of the weight vector. In this study, we developed two new methods for the prediction calculation stage which is the last stage of collaborative filtering. The performance of these methods are measured with evaluation metrics used in the literature and compared with other studies in this field. Keywords: Recommender system, Collaborative filtering, Prediction methodsHasan Bulut, Musa Milli. New prediction methods for collaborative filtering. Pamukkale Univ Muh Bilim Derg. 2016; 22(2): 123-128 Sorumlu Yazar: Hasan Bulut, Türkiye |
| ||
Tam Metin PDF
Yazdır
Alıntıyı İndir
RIS
E-Postala
Paylaş
Yazara e-posta gönder
Google Scholar