Tez No	İndirme	Tez Künye	Durumu
442146		A multi-objective recommendation system / Çok amaçlı öneri sistem Yazar:MAKBULE GÜLÇİN ÖZSOY Danışman: PROF. DR. FARUK POLAT ; PROF. DR. REDA ALHAJJ Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2016 222 s.
Recommendation systems suggest items to the user by estimating their preferences. Most of the recommendation systems are based on single criterion, such that they evaluate items based on overall rating. In order to give more accurate recommendations, a recommendation system can take advantage of considering multiple criteria. Beside combining multiple criteria from a single data source, multiple criteria from multiple data sources can be combined. Recommendation methods can also be used in various application domains involving big data such as marketing, biology, chemistry. In this thesis, four applications are studied: 1) use of multiple criteria from a single source to make recommendations, 2) use of multiple criteria from multiple sources to make recommendations, 3) use of recommendation methods to predict gene regularity networks and 4) use of recommendation methods to identify new indicators for known drugs. Firstly, we propose a new multi-objective optimization based recommendation method that combines multiple criteria, namely past preferences of users, hometown of users, friendship relation among users, check-in time information. We expanded this method by inferring home/center location of users in terms of longitude-latitude pairs, by making dynamic recommendations based on temporal preferences of users and by clustering users by their hometown and friendship relations. These methods are evaluated on a Foursquare check-in dataset. Secondly, we combine information collected from multiple different social networks to create integrated models of individuals and to make recommendations to them. To our knowledge, this is the first work aiming to use information from multiple social networks in recommendation process by modeling the users. For this purpose, we collect and anonymize two data-sets that contain information from BlogCatalog, Twitter, Flickr, Facebook, YouTube and LastFm web-sites. We implement several different types of recommendation methodologies to observe their performance while using single or multiple features from a single source or multiple sources. Thirdly, observing the common features of recommendation systems and gene regularity networks (GRNs), we use the proposed multi-objective optimization based recommendation method to predict the gene relationships; such that which genes regulates the others. Lastly, we adapt the proposed recommendation method to identify new indications for known drugs, i.e. drug repositioning.
Öneri sistemleri, kullanıcıların tercihlerini tahmin ederek onlara yeni ürünler önerirler. Öneri sistemlerinin çoğu hesaplamalarında tek bir ölçüt; kullanıcının ürüne verdiği puan; kullanır. Daha doğru öneriler vermek için öneri sistemleri birden fazla ölçütü bir arada kullanabilirler. Tek bir kaynaktan elde edilen birden fazla ölçütü kullanılmasının yanında, birden çok kaynaktan elde edilen birden çok ölçütün bir arada kullanılması da mümkündür. Ayrıca, öneri sistemleri metotları farklı bilim dallarının; biyoloji, kimya gibi; ilgilendiği çok fazla veri içeren uygulama alanlarında da kullanılabilir. Bu tezde, genel olarak dört alanda çalışmalar yapılmıştır: 1) Tek veri kaynağından elde edilen birden çok ölçütün öneri sistemlerinde kullanılması, 2) birden çok veri kaynağından elde edilen birden çok ölçütün öneri sistemlerinde kullanılması, 3) gen düzenleyici ağ yapılarının tahmin edilmesinde öneri sistemlerinin kullanılması ve 4) ilaç yeniden konumlandırılması amacıyla öneri sistemlerinin kullanılması. İlk olarak birden çok ölçütü; kullanıcıların önceki kayıtları (check-in), konumları, arkadaşlık ilişkileri, check-in zaman bilgisi; bir arada kullanabilen çok hedefli optimizasyon yapabilen bir öneri sistemi metodu tasarlanmıştır. Kullanıcıların konumunu enlem-boylam değerlerini bularak, kullanıcıların zaman tercihlerine göre dinamik öneriler üretilerek ve kullanıcıları konum ve arkadaşlık ilişkilerine göre gruplayarak tasarlanan bu metot iyileştirilmiştir. Değerlendirme için bir Foursquare kayıt (check-in) veri-seti kullanılmıştır. İkinci olarak, birden çok sosyal ağdan toplanan birden çok ölçüt bütünleştirilerek model oluşturulmuş ve bu model kullanıcılara öneri sunmak amacıyla kullanılmıştır. Bildiğimiz kadarıyla bu çalışma birden çok kaynaktan elde edilen verilerin kullanıcıları modelleyen ve öneri sistemlerinde kullanan ilk yöntemdir. Bu amaçla, BlogCatalog, Twitter, Flickr, Facebook, YouTube ve LastFm internet sitelerinden veriler toplanarak anonimleştirilmiş ve toplanan verilerle iki ayrı veri seti oluşturulmuştur. Bir veya daha çok kaynaktan toplanmış, bir veya daha çok ölçütü kullanan birçok farklı öneri sistemi metodu uygulanmış ve oluşturulan veri seti üzerinde değerlendirilmiştir. Üçüncü olarak öneri sistemleri ile gen düzenleyici ağ yapılarının benzerliği gözlemlenerek, bu tezde önerilmiş olan öneri sistemi yöntemi genler arası ilişkilerin, hangi genin diğer geni yönettiği gibi, tahmin edilmesi amacıyla kullanılmıştır. Son olarak bu tezde önerilmiş olan öneri sistemi yöntemi bilinen ilaçların yeni endikasyonlarının bulunması amacıyla uyarlanmıştır.