Kullanıcı ve öğe bazlı, geniş ve derin öğrenme tabanlı seyahat öneri sistemi

Basit Öğe Kaydı
dc.authorid0000-0002-4958-4575en_US
dc.authorscopusid55355863500en_US
dc.authorwosidGHQ-7349-2022en_US
dc.contributor.authorÖz, Alihan
dc.contributor.authorUzun-Per, Meryem
dc.contributor.authorBal, Mert
dc.date.accessioned2023-10-07T14:09:44Z
dc.date.available2023-10-07T14:09:44Z
dc.date.issued2023en_US
dc.departmentFakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.description.abstractTeknolojinin 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.en_US
dc.description.abstractWith 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 usersen_US
dc.identifier.citationÖz, 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.en_US
dc.identifier.endpage351en_US
dc.identifier.issn2148-2683
dc.identifier.issue51en_US
dc.identifier.startpage334en_US
dc.identifier.urihttps://hdl.handle.net/20.500.13055/557
dc.identifier.urihttps://doi.org/10.31590/ejosat.1296379
dc.institutionauthorUzun-Per, Meryem
dc.language.isotren_US
dc.relation.ispartofAvrupa Bilim ve Teknoloji Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectÖneri Sistemlerien_US
dc.subjectDerin Öğrenmeen_US
dc.subjectDerin ve Geniş Öneri Sistemlerien_US
dc.subjectİçerik Tabanlıen_US
dc.subjectİşbirlikçien_US
dc.subjectHibriten_US
dc.subjectSeyahat Öneri Sistemlerien_US
dc.subjectRecommendation Systemsen_US
dc.subjectDeep Learningen_US
dc.subjectDeep and Wide Recommendation Systemsen_US
dc.subjectContent-Baseden_US
dc.subjectCollaborativeen_US
dc.subjectHybriden_US
dc.subjectTravel Recommendation Systemsen_US
dc.titleKullanıcı ve öğe bazlı, geniş ve derin öğrenme tabanlı seyahat öneri sistemien_US
dc.title.alternativeA user and item-based, wide and deep learning based travel recommendation systemen_US
dc.typeArticleen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Kullanıcı ve öğe bazlı, geniş ve derin öğrenme tabanlı seyahat öneri sistemi.pdf
Boyut:
830.89 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Kapalı Erişim
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Bilgisayar Mühendisliği Bölümü Koleksiyonu