Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimler Enstitüsü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: Berna Şeref
Danışman: GAZİ ERKAN BOSTANCI
Özet:Yapay zeka, insan zekasını ve davranışlarını öğrenme ve taklit etme üzerine kurulu bir alandır ve yapay zeka teknikleri akıllı öneri sitemlerinde, akıllı karar destek sitemlerinde, oyun programlama, robotik, örüntü tanımlama gibi birçok işlevlerde kullanılmaktadır. Teknolojinin gelişmesiyle, bilgi aşırı derecede artmış, sonuç olarak yararlı bilgiye erişim ve bilginin yorumlanıp değerlendirilmesi zorlaşmıştır. Bu zorluğu aşmak adına kullanılan akıllı öneri sistemleri bireylerin duygu ve düşüncelerini de hesaba katarak onlara kısa sürede ve kişiye özel önerilerde bulunabilmektedir. Akıllı öneri sistemlerinin kullanıldığı alanların başınca e-ticaret siteleri, haber ve makale siteleri gelmektedir. Bu tez çalışmasında yapay zeka tabanlı yaklaşımlar ile öneri sistemlerinin başarısının artırımı amaçlanmıştır. İlk aşamada, Naif Bayes ve Tamamlayıcı Naif Bayes algoritmalarının performansı karşılaştırılmış, bu iki algoritma için en iyi doğruluk performansını gösteren yumuşatma, normalizasyon ve ağırlık parametreleri tespit edilmiştir. Tespit edilen parametreler kullanılarak bu iki algoritmayla duygu analizinde bulunulmuştur. Ardından, kullanıcı tabanlı bir öneri sistemi geliştirilmiş, kullanılan benzerlik hesaplama yöntemlerinin tahmin performansına olan etkisi gözlenmiştir. Son olarak, yapay sinir ağları kullanılarak öneri sisteminin tahmin performansı iyileştirilmeye çalışılmış, ardından, yapay sinir ağlarına genetik algoritma uygulanmıştır. Önerilen sistemin performansının literatürdeki güncel ve öncü çalışmaların performansından daha iyi olduğu görülmüştür. Artificial intelligence is a field based on learning and imitating human intelligence and behavior, and artificial intelligence techniques are used in many functions such as smart recommender systems, smart decision support systems, game programming, robotics, pattern identification. With the advancement of technology, information has grown enormously, as a result, access to useful information, interpretation and evaluation of it has become difficult. Intelligent recommender systems, which are used to overcome this difficulty, take into account the feelings and thoughts of individuals and can make personalized recommendation to them in a short time. The main areas where smart recommender systems are used are e-commerce, news and article sites. In this thesis, it is aimed to increase the success of recommender systems with artificial intelligence-based approaches. In the first stage, the performance of Naive Bayes and Complementary Naive Bayes algorithms was compared, and the smoothing, normalization and weight parameters showing the best accuracy performance for these two algorithms were determined. Emotion analysis was performed with these two algorithms using the determined parameters. Then, a user-based recommendation system was developed and the effect of the similarity calculation methods used on the estimation performance was observed. Finally, by using artificial neural networks, the predictive performance of the recommender system has been tried to be improved, then a genetic algorithm has been applied to artificial neural networks. It has been observed that the performance of the proposed system is better than the performance of current and pioneering studies in the literature