Kullanıcı ve öğe bazlı, geniş ve derin öğrenme tabanlı seyahat öneri sistemi
Yükleniyor...
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Teknolojinin gelişmesi ile birlikte artan dijital bilgi miktarı ve internetin yaygınlaşması ile internet üzerinden ürün, hizmet, abonelik gibi ticaret işlemlerinin gerçekleştiği web sitelerinin sayısının da artması, beraberinde, müşterilere kişiselleştirilmiş ve doğru; ürün, hizmet ve abonelikleri sunmanın (önermenin) de önemini artmıştır. Müşterilere önerilerde yaygın olarak kullanılan ürün bazlı, kullanıcı tabanlı ve bu ikisinin birlikte kullanıldığı hibrit geleneksel yaklaşımlar çoğu çalışmada kullanılmaktadır. Geleneksel yaklaşımların, büyük ve seyrek veriler ile çalışma, kullanıcı ve ürün arasındaki karışık ilişkileri bulamama ve soğuk başlangıç (cold start) gibi problemlerinin üstesinden gelmek, derin ve geniş öğrenme sistemlerinin kullanımı ile mümkün olmuştur. Bu çalışma kapsamında, öncelikle derin ve geniş sinir ağlarına ve bunların seyahat öneri sistemlerindeki uygulamalarına kapsamlı bir bakış açısı sunulmuş ve en popüler öneri algoritmaları olan Google'ın Geniş ve Derin Algoritması ve Facebook'un Deep Learning Recommendation Model (DLRM) algoritmasına yer verilmiştir. Ardından, geniş ve derin öğrenme yaklaşımı ile kullanıcı ve ürün özelliklerinin kategorik olanlarının gömme işlemi uygulanarak, nümerik veriler ile modele beslendiği yeni bir seyahat öneri sistemi oluşturulmuştur. Önerilen yöntem gerçek bir seyahat acentesi şirketinin veri seti üzerinde uygulanmıştır. Sonuçta, kullanıcılara verilen en iyi beş öneride, %82.37 doğruluk oranı yakalanmıştır.
With the development of technology, the increasing amount of digital information and the widespread use of the internet, and the increase in the number of websites where trade transactions such as products, services and subscriptions are carried out on the internet, along with it, personalized and accurate; The importance of recommending products, services and subscriptions has also increased. Product-based, user-based, and hybrid traditional approaches, which are widely used in recommendations to customers, are used in most studies. Overcoming the problems of traditional approaches such as working with large and sparse data, inability to find complex relationships between user and product, and cold start has been possible with the use of deep and wide learning systems. Within the scope of this study, first, a comprehensive view of deep and wide neural networks and their applications in travel recommendation systems is presented. After giving the basic information about deep learning, Google's Wide and Deep Algorithm and Facebook's Deep Learning Recommendation Model (DLRM) algorithm, which are the most popular recommendation algorithms, are included. Then, a new travel recommendation system was created in which numerical data is fed to the model by applying the embedding process of categorical user and product features with a broad and deep learning approach. The proposed method was applied on the data set of a real travel agency company. As a result of this study, 82.37% accuracy rate was achieved in the top five recommendations given to the users
With the development of technology, the increasing amount of digital information and the widespread use of the internet, and the increase in the number of websites where trade transactions such as products, services and subscriptions are carried out on the internet, along with it, personalized and accurate; The importance of recommending products, services and subscriptions has also increased. Product-based, user-based, and hybrid traditional approaches, which are widely used in recommendations to customers, are used in most studies. Overcoming the problems of traditional approaches such as working with large and sparse data, inability to find complex relationships between user and product, and cold start has been possible with the use of deep and wide learning systems. Within the scope of this study, first, a comprehensive view of deep and wide neural networks and their applications in travel recommendation systems is presented. After giving the basic information about deep learning, Google's Wide and Deep Algorithm and Facebook's Deep Learning Recommendation Model (DLRM) algorithm, which are the most popular recommendation algorithms, are included. Then, a new travel recommendation system was created in which numerical data is fed to the model by applying the embedding process of categorical user and product features with a broad and deep learning approach. The proposed method was applied on the data set of a real travel agency company. As a result of this study, 82.37% accuracy rate was achieved in the top five recommendations given to the users
Açıklama
Anahtar Kelimeler
Öneri Sistemleri, Derin Öğrenme, Derin ve Geniş Öneri Sistemleri, İçerik Tabanlı, İşbirlikçi, Hibrit, Seyahat Öneri Sistemleri, Recommendation Systems, Deep Learning, Deep and Wide Recommendation Systems, Content-Based, Collaborative, Hybrid, Travel Recommendation Systems
Kaynak
Avrupa Bilim ve Teknoloji Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
51
Künye
Öz, A., Uzun-Per, M., & Bal, M. (2023). Kullanıcı ve öğe bazlı, geniş ve derin öğrenme tabanlı seyahat öneri sistemi. Avrupa Bilim ve Teknoloji Dergisi, (51), pp. 334-351.
