Feature analysis for recommender systems using transformer-based architectures

EMRE BORAN

Feature analysis for recommender systems using transformer-based architectures

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: EMRE BORAN

Danışman: TUNGA GÜNGÖR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Tavsiye sistemleri; milyarlarca öge arasından, onlar ile ilgili ögeleri kullanıcılara önermeye yardımcı olan teknoloji temelli çözümlerdir. Bu; bir film, yemek, tatil yeri, ayakkabı veya bir müzik parçası gibi herhangi bir şey olabilir. Sıralı ve oturum tabanlı tavsiye sistemleri, geleneksel tavsiye sistemlerinden farklı olarak kullanıcıların öğelerle etkileşim sırasına dikkat ederek öneriler yaparlar. Bu tür sistemlerin avantajı değişen zevkleri dikkate almalarıdır. Ayrıca, bazı yasal gereklilikler nedeniyle zaman zaman kullanıcıların verileri toplanamamaktadır ve tavsiye sistemi o oturumda elde edilen bilgilerle öneri yapmak zorunda kalmaktadır. Bu gibi nedenler, sıralı ve oturum tabanlı tavsiye sistemlerinin önemini oluşturur. Bu tezde, Transformers4rec framework kullanarak sıralı ve oturum tabanlı tavsiye sistemleriyle deneyler yapılmıştır. Transformatör mimarilerinin kısa etkileşim serilerinde daha iyi çalıştığı gözlemlenmiştir. Özellikle zaman tabanlı öznitelikler olmak üzere, ek özniteliklerin sonuçları iyileştirdiği gösterilmiştir. Ayrıca, sonuçların veri boyutu, şekli ve türüne göre değiştiği incelenmiş ve yorumlanmıştır.