A content boosted collaborative filtering approach for movie recommendation based on local and global user similarity and missing data prediction

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2009

Tezin Dili: İngilizce

Öğrenci: GÖZDE ÖZBAL

Danışman: FERDA NUR ALPASLAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Son zamanlarda, dünya çapındaki ağın (WWW) içerdiği bilgi alanı ve bu alandaki kullanıcı sayısı açısından hızla büyümeye başlaması, web tabanlı sistemlerin gerekli bilgiyi oluşturup kullanıcılarına sunmasını giderek zorlaştırmaktadır. Bunun yanında, günümüz dünyasındaki birçok system ve yaklaşım, sundukları öneriler sayesinde insanların makale, haber, kitap, müzik ve film gibi birçok dalda kendilerine uygun seçeneklerle ilgili karar vermelerine yardımcı olmaktadır. Ancak geleneksel yöntemlerden yararlanan birçok sistem, önerme işlemleri sırasında kullanılan veri seyrek olduğunda başarısız olmaktadır. Başka bir deyişle, sistemde yetersiz sayıda nesne veya kullanıcının bulunması, yetersiz önerilerin üretilmesine yol açmaktadır.Bu tez kapsamında, içerik destekli kolaboratif filtreleme yaklaşımı kullanan, ReMovender isimli bir web tabanlı film önerme sistemi tanıtılacaktır. ReMovender, veri eksikliği problemini etkili bir şekilde çözme amacıyla local/global benzerlik ve eksik veri tahmini metodlarını birleştirmektedir. Bunun yanı sıra, film benzerliği hesaplamalarında filmlerin içeriklerini de göz önünde bulundurarak daha başarılı ve gerçekçi tahminler elde etmektedir.