Forecasting user behaviors in call detail records using LSTM models

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: HASAN KOCAMAN

Danışman: İSMAİL HAKKI TOROSLU

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Sehir planlamacıları, yöneticileri ve mobil telefon operatörleri Arama Ayrıntıları Kayıtları (CDR) verilerinden trafik tıkanıklığı iyileştirmeleri, olay belirleme, faturalandırma ve reklam politikaları gibi alanlarda oldukça yararlanmaktadır. Bireysel ve topluluk analizleri hizmet kalitesini artırmaya yardımcı olmaktadır. Bu tezde, üç ana problem için regresyon ve sınıflandırma analizi sunmaktayız. Regresyon analizinde, belirli sayıda kullanıcıların arama sayıları ve toplam-zamanları üzerine deneyler yapmaktayız. Bu iki görevde, çeşitli uzun kısa zamanlı bellek (LSTM) katmanlarından oluşan bireysel kullanıcı bazlı modellerin sonuçlarını iyileştirmek amacıyla kümeleme tabanlı ve aykırı gözlemleri ayrıştıran modeller öne sürmekteyiz. Diğer yandan, sınıflandırma analizinde ise kullanıcıların gezingelerindeki bir sonraki konumlarını tahmin eden modeller ileri sürmekteyiz. Temel LSTM modelinin sonuçlarını tek-seferde-iki-tahmin yaklaşımıyla iyileştirmekteyiz. Analizler, tekrarlayan sinir ağlarının sıralı verilerde iyi çalıştığını ve modellerin üzerinde yapılan iyileştirmelerin, umut vaad eden sonuçlar verdigini göstermektedir.