Tez No	İndirme	Tez Künye	Durumu
589908		Graph-based hybrid recommender systems / Grap tabanlı melez öneri sistemleri Yazar:ZÜHAL KURT Danışman: DOÇ. KEMAL ÖZKAN Yer Bilgisi: Anadolu Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Graflar = Graphs ; Hibrit yöntem = Hybrid method ; Tavsiye sistemleri = Recommender systems	Onaylandı Doktora İngilizce 2019 120 s.
Öneri sistemleri, diğer kullanıcılarının verilerini kullanarak kullanıcılarına çeşitli ürün ve hizmet önerilerinde bulunmaktadır. Bu sistemler, kullanıcıların ürünlere ilişkin kişisel tercihlerini verdikleri oylamalara dayandırarak ve benzer kullanıcıların tercihlerine dayanan ürün önerileri sunarlar. Bu sistemlerin başarısı hem kullanıcılar için hem de bu tür sistemleri kullanan e-ticaret siteleri için önemlidir. Yanlış ve güvenilir olmayan ürün önerileri kullanıcıların alternatif alışveriş sitelerine yönelmesine neden olmaktadır. Bu nedenle, öneri sistemleri alanı birçok çözülmemiş problemi ihtiva eden zorlu bir araştırma alanıdır ve sorunların üstesinden gelmek için birçok farklı hibrit öneri algoritması önerilmiştir. Farklı bilgi kaynaklarını kullanan hibrit modeller son yıllarda fazla dikkat çekmektedir. Bu tezde, ürünleri ve ilgili kullanıcıları temsil edebilmek için oylamaları ve ürünlere ait imgeleri kullanan bir graf tabanlı hibrit öneri sistemi önerilmektedir. Ayrıca, sadece kullanıcı-ürün oylamalarından yararlanan başka bir graf tabanlı öneri sistemi önerilmiştir. Bir grafta öneri üretme bir bağlantı tahmin problemidir ve bağlantı tahmin yaklaşımları, beğenme veya beğenmeme, ve benzer veya benzerolmayan temel ilişkisel dualiteleri birbirinden ayırmak için kullanılmaktadır. Ancak, kullanıcılar (veya öğeler) arasındaki benzer veya benzer olmayan ilişkiler çoğunlukla göz ardı edilmektedir. Dolayısıyla, sistemin doğruluğunu arttırmak için kullanıcı-kullanıcı ve ürün-ürün benzer/benzerolmayan ilişkileri ile beğenme/beğenmeme ikiliklerini kullanan bir bağlantı tahmin metodu önerilmiştir. Benzer şekilde üçgen kapanış modeli bu benzerlik ilişkileriyle genişletilmiş ve her bir benzerlik ilişkisini bir sayı olarak temsil etmek için sayı sistemleri araştırılmıştır. Bağlantı tahmin algoritmalarının kuaterniyon ve kompleks sayı sistemlerinde kullanılışı incelenmiştir. Önerilen benzerlik içeren bağlantı tahmin yöntemi diğer kuaterniyon ve kompleks sayı sistemlerinde çalışan yöntemlerle karşılaştırıldığında standart Amazon ve MovieLens veri kümeleri üzerindeki deneylerde daha iyi bir performans göstermiştir. Deneysel sonuçlar, önerilen öneri sisteminin, öneri sistemlerindeki eksikliklerin üstesinden gelmek için tercih edilebilir alternatif bir sistem olabileceğini göstermektedir.
Recommender systems provide recommendations about various products and services to their users by using other users' data. These systems depend on personal user preferences on items via ratings and recommend items based on choices of similar users. Their success is imperative for both users and the e-commerce vendors utilizing such systems. Since inaccurate and unreliable product recommendations make users search alternative sites for shopping. Hence, recommender systems are a challenging research field with many unresolved problems and many different hybrid recommendation algorithms have been proposed to overcome these problems. Hybrid models that use different information sources (text, images, ratings, etc.) for recommendation are getting more attention in recent years. In this dissertation, a graph-based hybrid recommender system is proposed that is incorporating numerical ratings and product images to learn items and the corresponding user's representations. Moreover, another graph-based recommender system, that utilizes only user-item ratings, is proposed. In the current literature, recommendation generation in a graph based model is a link prediction problem and link prediction approaches are used to distinguish between fundamental relational dualities of like or dislike and similar or dissimilar. However, similar and dissimilar relationships between users (or items) are mostly disregarded. Hence, a link prediction method is proposed that utilizes user-user and item-item similar/dissimilar relationships with like/dislike dualities in order to improve the accuracy of the system. Similarly, triangle closing model is expanded with similarity relationships, and then the number systems are investigated to represent each similarity entity as a number. The usage of link prediction algorithms is examined for the quaternion and the complex number systems. On the standard Amazon and MovieLens datasets, the proposed similarity-inclusive link prediction method performed empirically well compared to other methods operating in the quaternion and complex domain. The experimental results show that the proposed recommender system can be a plausible alternative to overcome the deficiencies in recommender systems.