İlgi metriği ile bulanık kümeleme tabanlı video öneri sistemi

Bu tez kapsamında küme sayısını tahmin eden bulanık ve ilgi tabanlı bir kümeleme yöntemi önerilmiştir. Önerilen Bulanık C Ortalamalar Jensen Shannon (BCOJS) yöntemi, 6 kümeden ve 1000 elemandan oluşan yapay bir veri seti ile çalıştırılmıştır. Çalışmanın sonuçları, bulanık tabanlı bir kümeleme algoritması olan Bulanık C Ortalamalar (BCO), ilgi tabanlı bir yöntem olan Jensen Shannon (JS), bulanık tabanlı olasılıksal kümeleme yöntemleri olan Olasılıksal C Ortalamalar (OCO) ve Olasılıksal Bulanık C Ortalamalar (OBCO) yöntemleri ile karşılaştırılmıştır. Karşılaştırma sonuçlarını değerlendirmek için, 7 farklı küme geçerlilik indeksi ve doğruluk metriği kullanılmıştır. BCOJS, OCO, OBCO, JS ile yapılan kümeleme sonuçları doğruluk metriği ile kıyaslandığında BCO ve BCOJS yöntemi, %81.7059, %81.6864 ile diğer üç yönteme göre daha başarılı bulunmuştur. Küme geçerlilik indeksleri ile yöntemin kümeleme yeteneği test edildiğinde ise BCO ve BCOJS yöntemi yine OCO ve OBCO yönteminden daha iyi sonuç vermiştir. BCOJS algoritmasının eşik değerini belirlemedeki zorluğunu gidermek için eşik değerinin algoritma tarafından belirlendiği adaptif BCOJS yöntemi geliştirilmiştir. Adaptif BCOJS yöntemi farklı maksimum küme sayılarında küme sayısını doğru tahmin etmiştir. Küme geçerlilik indeksi ve doğruluk metriği ile yöntemin kümeleme yeteneği test edildiğinde adaptif BCOJS yöntemi başarılı bulunmuştur. Ayrıca önerilen iki yöntemin başarımı film öneri sisteminde kullanıcıya film önermek amacıyla oluşturulan veri seti üzerinde denenmiştir. Bu amaçla film verisi, aksiyon, macera, komedi, drama ve korku türleri için dirichlet fonksiyonu ile ağırlıklandırılmış ve seçilen bu 5 film türünün özelliklerini içeren bir veri seti oluşturulmuştur. Oluşturulan bu film veri seti, BCO, BCOJS, adaptif BCOJS, OCO, OBCO, JS ile kümelenerek doğruluk metrikleri açısından karşılaştırılmıştır. Bu karşılaştırma sonucunda BCOJS yöntemi %89.4628 ile adaptif BCOJS ise %89.0593 ile diğer yöntemlerden yüksek başarı elde ettiği görülmüştür. Ayrıca önerilen iki yöntemin başarımı küme geçerlilik indeksleri açısından da BCO, OCO, OBCO yöntemleri ile karşılaştırılmıştır. Elde edilen sonuçlara göre BCOJS ve adaptif BCOJS yöntemi, uygun küme sayısını tahmin ederek kullanıcının izleyebileceği benzer filmleri türlerine göre gruplama amacını başarılı bir şekilde gerçekleştirmiştir.