WEB siteleri için yapay bağışıklık tabanlı bir öneri sistemi
| dc.contributor.advisor | Arslan, Ahmet | |
| dc.contributor.author | Şakiroğlu, Ayşe Merve | |
| dc.date.accessioned | 2017-05-26T05:40:08Z | |
| dc.date.available | 2017-05-26T05:40:08Z | |
| dc.date.issued | 2005-08-15 | |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Öneri sistemleri (Recommender Systems), alışveriş ve eğlence sitelerinde kullanıcının yolunu bulması için tasarlanmış Internet tabanlı yazılım araçlarının yeni bir çeşididir. Öneri sistemlerinin amacı o an sitede aktif durumda bulunan kullanıcıların profiline benzer profilleri bulmak ve bu doğrultuda kullanıcıya tavsiye verip yönlendirmektir. Bu tezde yapay bağışıklık (Artificial Immune System) tabanlı bir öneri sistemi tasarlanmıştır. Sistem tasarlanırken ilk olarak web sitesini ziyaret eden kullanıcıların profilleri belirlenmiş ve benzer profiller bulunup komşuluklar oluşturulmuştur. Bunun için bir yapay bağışıklık algoritması olan AINET tabanlı bir model kurulmuştur. AINET'in kullanılmasının sebebi öneri sistemlerinin başlıca sorunları olan bilgi eksikliği ve ölçeklenebilirlik problemlerinin her ikisinin de giderilebilecek potansiyele sahip olmasındandır. Tez için geliştirilen uygulamada sunulan model diğer yöntemlerle kıyaslanmıştır. Değerlendirme yöntemi olarak Mutlak Hata Ortalaması ve Çağrılan Ölçütü kullanılmıştır. Uygulamanın sonucunda model için uygun parametre değerleri seçildiğinde modelin diğer yöntemler ile benzer hata seviyesinde tahmin ürettiği gözlemlenmiştir. Buna karşın yapılan tavsiyenin doğruluğunda ve hızında sağladığı artış sunulan modelin kullanımının daha avantajlı olduğunu göstermiştir. | en_US |
| dc.description.abstract | Recommender systems are new type of internet based software tools. These are designed for helping users to find their path on the shopping and entertainment web sites. Their purpose are finding similar profiles with the active user's profile that is online on the site at that time and giving recommendations according to these similarities. Ill In this thesis, a recommendation system based on artificial Immune systems is designed. Firstly the users' profiles have been learned then similarities between profiles detected by using history votes given by users to items and generated neighbourhoods. For this, a model has been constructed based on an AIS algorithm, AINET which has got a potential for solving mainly trouble of the recommender systems, sparsity and scability problems. In the application developed for this thesis, proposed model and other methods are compared. MAE (Mean Absolute Error) and Recall metrics is used as an evaluation metric. It's observed that results of application has provided prediction with an error rate similar to other methods when convenience parameter values have been selected. But proposed model has generated recommendations more accuracy and speedy than the other models. So it shows that the model based on AINET has provided more advantages comparatively others. | en_US |
| dc.identifier.citation | Şakiroğlu, A. M. (2005). WEB siteleri için yapay bağışıklık tabanlı bir öneri sistemi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya. | en_US |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/4903 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Fen Bilimleri Enstitüsü | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | Öneri sistemleri | en_US |
| dc.subject | Yapay bağışıklık sistemi | en_US |
| dc.subject | İşbirlikçi filtreleme tekniği | en_US |
| dc.subject | Recommender system | en_US |
| dc.subject | Artificial immune system | en_US |
| dc.subject | Collaborative filtering technique | en_US |
| dc.title | WEB siteleri için yapay bağışıklık tabanlı bir öneri sistemi | en_US |
| dc.title.alternative | A recommender system based on artifical immune for WEB sites | en_US |
| dc.type | Master Thesis | en_US |
