Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/383
Title: Ontoloji Tabanlı İlişkisel Ürün Öneri Sistemi
Other Titles: A Relational Recommender System Based On Domain Ontology
Authors: Öğüdücü, Şule Gündüz
Kapusuzoğlu, Hikmet
405010
Bilgisayar Mühendisliği
Computer Engineering
Keywords: ontoloji
veri madenciliği
öneri sistemleri
ontology
data mining
recommendation systems
Issue Date: 7-Jul-2011
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: İnternet üzerinden alışverişin yaygınlaşmasıyla, elektronik ticaret Web sitelerinde ürün önerme daha önemli bir hale gelmiştir. Ürün önerme sistemleri, kullanıcıların Web sitesine ait sayfalarda dolaşırken bıraktığı bilgileri kullanarak kullanıcılara öneride bulunur. Ürün önerme sistemlerinin amacı kullanıcılarının karar vermelerini kolaylaştırmak ve ilgilendikleri ürünlere hızlı ve kolayca ulaşmalarını sağlamaktır. İşbirlikçi filtreleme ve içerik tabanlı filtreleme yöntemleri, ürün önerme sistemlerinde elektronik ticaret Web siteleri için en yaygın kullanılan yöntemlerdir. İşbirlikçi filtreleme kullanıcı tercihlerinin benzerliğine, içerik temelli filtreleme ürünlerin benzerliğine dayalı olarak ürün öneren sistemlerdir. İşbirlikçi filtrelemede benzer özellikler gösteren kullanıcılar gruplanırken, içerik temelli filtrelemede benzer özellikler gösteren ürünler gruplanır. Öneri aşamasında işbirlikçi filtrelemede kullanıcı profilinin en yakın olduğu grup; içerik temelli filtrelemede ise kullanıcının ziyaret ettiği ürünlere en yakın olan grup belirlenerek bu grup içerisinden öneride bulunulur. Ancak bu yöntemler soğuk başlangıç, eleman seyrekliği ve karmaşık ürünlerin önerimindeki yetersizlik problemleri ile karşı karşıyadır. Örneğin, sisteme yeni katılan bir ürün veya kullanıcı, bir gruba dahil olmadığı için öneride bulunulamaz veya ürünlerin az bir kısmının kullanıcılar tarafından beğenilmesi durumunda hep aynı ürünün önerilme riski bulunmaktadır. Ayrıca bu yöntemler ürünlerin derin anlamsal ilişkilerini yakalayamadığından karmaşık ürünlerin öneriminde yetersizdir. Etkili ve doğru bir öneride bulunmak için son çalışmalar, etki alanı ontolojisini de önerme işlemine dahil ederek verinin anlamsal özelliklerinden yararlanmayı hedeflemektedir. Bu çalışmalarda etki alanı ontolojisi sadece öneride bulunulacak ürünün çeşit ve niteliklerini kapsamaktadır ve ürünün ilişkisel özellikleri göz ardı edilmektedir. Aslında öneride bulunulacak ürünün ilişkide olduğu diğer kavramların ontolojisinin de öneri sistemine dahil edilmesi gerekmektedir. Bu çalışmada ilişkisel verinin etki alanı ontolojisi kullanılarak öneri sistemine dahil edilmesine odaklanılmış ve gerçeklenmesi kolay bir altyapı geliştirilmiştir. Bu altyapı kullanılarak kullanıcılara kitap önerisinde bulunan bir çalışma gerçeklenmiştir. Önerilen altyapının performansı, bir internet kitap mağazasına ait veriler üzerinde değerlendirilmiş ve sonuçlar önerilen altyapının ilişkisel verilerde etkin bir şekilde kullanılabileceğini göstermiştir.
Product recommendation on electronic commerce Web sites becomes more important with the widespread use of Internet-based shopping. Recommendation systems utilize the information that users leave while navigating the Web pages in order to make recommendation. The aims of the recommendation systems are to simplify the making decision for users and provide a fast and easy way to access the products which they are interested. Collaborative filtering and content based filtering methods have been commonly used for this task by electronic commerce Web sites. Collabarative filtering is a recommendation system which is based on similarity of preference of the users and content based filtering is a recommendation system which is based on similarity of products. Collabarative filtering system groups users who are similar and content based filtering systems group products which are similar. In recommendation phase the closest group to user profile is determined in collabarative filtering and the closest group to the product which is in active session is determined in content based filtering. These methods have several shortcomings, such as cold start problem, sparseness and insufficient recommendation for complex objects. For instance a new user or a new product is not included in any group so recommendation is not available for this user or this product will never be recommended. Moreover if the knowledge about products which are prefered by users is sparse, same products may be recommended every time. Finally, this methods can not handle with deep semantic knowledge of products. Thus they are insufficient for recommendation of complex objects. In order to produce effective and accurate recommendations, recent approaches utilize the semantic properties of data by integrating the domain ontology into the recommendation process. In these studies, the domain ontology covering only the types and properties of the product to be recommended is considered where the relational nature of the product data is omitted. However, the domain ontology of the features related to the product may also provide useful information during recommendation process. In this study, we focus on integrating domain ontology of relational data into the recommendation process. We design a framework for an easy implementation of a recommendation system on relational data. Using this framework, we implement as a case study a recommendation model that recommends books to the users. We evaluated the performance of our model on real data obtained from a Turkish Internet book store. Our experimental results show that our proposed method can be effectively used for recommending items in relational data.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2011
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2011
URI: http://hdl.handle.net/11527/383
Appears in Collections:Bilgisayar Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
11753.pdf2.39 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.