Derin öğrenme tabanli çoklu bağlama duyarli çok kriterli öneri sistemi

Dijital bilginin yaygın hale gelmesiyle birlikte, Öneri Sistemleri (ÖS), bu geniş bilgi evreninde yol alabilmek için giderek daha kritik bir rol üstlenmektedir. Bu doktora tezinde, çoklu bağlam ve çoklu kriter verilerini tek bir sinir ağı modeli altında entegre eden yenilikçi bir derin öğrenme yaklaşımı önerilmektedir. Bağlam farkındalığına sahip ve çoklu kriterli bir öneri sistemi, geleneksel iki boyutlu ÖS yöntemlerine göre, bağlam farkındalığını ve birden fazla kriteri bünyesinde barındırarak önemli bir gelişme sunmaktadır. Çalışmamızda, çoklu bağlam ve kriterlerden elde edilen veriler, geleneksel yaklaşımlardan farklı olarak, tek bir yapı içerisinde işlenmektedir. Eşzamanlı işleme, bağlam ve kriterler arasında gelişmiş etkileşimlere olanak tanımakta ve böylece daha isabetli öneriler elde edilmektedir. Bağlam farkındalığına sahip sistemler, önerilerde bulunurken zaman ve konum gibi bağlamsal faktörleri dikkate alırken, çoklu kriter tabanlı yaklaşımlar, daha geniş bir değerlendirme ölçütü yelpazesi sunarak daha ilgili öneriler geliştirmektedir. Her iki yaklaşım da daha doğru ve kişiselleştirilmiş öneriler sağlama potansiyeline sahip olmasına rağmen, bağlamsal bilgi ve çoklu kriter değerlendirmeleri birlikte kullanılmamıştır. Bu eksikliği gidermek adına, bağlam farkındalığına sahip, çoklu kriterli bir öneri sistemine ihtiyaç duyulmaktadır. Bu doğrultuda, her bir yaklaşımı ayrı ayrı ele almak yerine, bağlam farkındalığına sahip öneri sistemlerini çoklu kriter öneri sistemleri ile entegre eden bir derin öğrenme modeli geliştirilmiştir. Böylelikle sistem, bağlamsal ve kriterlere özgü değerlendirmeleri birleştirilmesiyle daha uyarlanabilir hale gelmekte ve daha doğru öneriler sunmaktadır. Önerilen yöntem, TripAdvisor ve ITM Rec veri kümeleri üzerinde uygulandığında, güncel öneri tekniklerinden daha yüksek doğruluk oranı sağlamaktadır.