Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: ENES KANTEPE
Asıl Danışman (Eş Danışmanlı Tezler İçin): Hasan Erdal
Eş Danışman: Zehra Aysun Altıkardeş
Özet:
Bu tez çalışmasında, derin öğrenme yöntemi olan Otomatik Kodlayıcılar
(AutoEncoder) kullanılarak bir ürün öneri sistemi tasarlanmıştır. Tasarlanan
öneri sistemi TensorFlow platformunda Python programlama dili kullanılarak gerçekleştirilmiştir.
Kullanılan veri seti, GroupLens araştırmacılarının MovieLens internet sitesi
kullanıcılarından topladığı 1 ile 5 arasındaki puanlardan (açık geri bildirim)
oluşan MovieLens 1M veri setidir.
Yapılan tez çalışması dört bölümden oluşmaktadır. Birinci bölümde öneri
sisteminin ve derin öğrenmenin önemi, literatürdeki çalışmalar ve bir öneri
sistemi tasarlanırken kullanılan yöntemler açıklanmıştır. İkinci bölümde ise
tasarlanan öneri sistemi aşamalar halinde anlatılmıştır. Sistemin başarısının
artırılması için en uygun optimizasyon algoritmasının bulunmasına çalışılmış ve
veri miktarındaki artışın optimizasyon algoritması üzerindeki etkisi
incelenmiştir. İncelenen Gradyan Alçalma, Hızlı Gradyan Alçalma, RmsProp ve Adam
(Adaptive Momentum Optimization) algoritmalarının
sonuçları tablolar ve grafikler halinde gösterilmiştir. Üçüncü bölümde ise
sonuçlar değerlendirilmiş ve Adam algoritmasının 1,363 puan test hatası
ile en başarılı algoritma olduğu tespit edilmiştir. Ayrıca eğitim setindeki
veri miktarı arttıkça öneri sisteminin başarısının arttığı görülmüştür. Dördüncü bölümde ise bu sonuçlar açıklanmış
daha iyi bir öneri sistemi için yapılabilecek ileriye yönelik planlanan çalışmalardan
bahsedilmiştir.
Anahtar Kelimeler: Öneri Sistemleri, Derin Öğrenme, Açık Geri Bildirim, Otomatik Kodlayıcılar, Optimizasyon Algoritmaları