- İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi
- Vol: 21 Issue: 43
- KİŞİSELLEŞTİRİLMİŞ ÜRÜN ÖNERİ SİSTEMİ İÇİN KULLANICI BAZLI İŞBİRLİKÇİ FİLTRELEME VE KÜMELEME KULLANA...
KİŞİSELLEŞTİRİLMİŞ ÜRÜN ÖNERİ SİSTEMİ İÇİN KULLANICI BAZLI İŞBİRLİKÇİ FİLTRELEME VE KÜMELEME KULLANAN HİBRİT BİR YAKLAŞIM
Authors : Hüseyin Budak, Enis Gumustas
Pages : 253-268
Doi:10.46928/iticusbe.1055162
View : 17 | Download : 7
Publication Date : 2022-06-15
Article Type : Research
Abstract :Günümüz rekabet koşulları firmaları, özellikle perakende ve e-ticaret firmalarını, müşterilerini daha iyi tanımaya, onların tercihlerini ve davranışlarını anlamaya, ihtiyaçlarını tahmin etmeye; böylelikle, onlara kendilerini özel hissettirecek, teklifler sunmaya zorlamaktadır. Firmaların söz konusu kişiselleştirme ihtiyaçlarını karşılayabilmeleri adına kullandıkları yöntemlerden biri ürün öneri sistemleridir. Amaç: Çalışmada, kişiselleştirilmiş ürün öneri sistemleri için literatürde ve iş dünyasında sıklıkla kullanılan yöntemlerden biri olan kullanıcı bazlı işbirlikçi filtreleme yöntemini iyileştirmek adına k-means ile kullanıcı bazlı işbirlikçi filtreleme algoritmalarını birlikte kullanan hibrit bir yaklaşım önerilmesi amaçlanmıştır. Yöntem: Kullanıcı bazlı işbirlikçi filtreleme ve k-means yöntemleri kullanılmıştır. Bulgular: Mevcut yöntem ve önerilen yöntem iki farklı veri seti için uygulanmıştır. Yöntemlerin karşılaştırılması amacıyla veri setleri %80’i eğitim, %20’si de test seti olmak üzere ikiye ayırılmış ve eğitim verisi üzerinden kurulan modellerin test verisindeki hataları (RMSE) hesaplanmıştır. Yapılan karşılaştırma sonucunda her iki veri setinde de önerilen yönteme ilişkin hata değeri daha az olduğu görülmüştür. Özgünlük: Bu çalışma ile sadece kullanıcı-ürün skorları üzerinden çalışan kullanıcı bazlı işbirlikçi filtreleme yöntemine kullanıcılara ilişkin farklı bilgileri de kullanabilen bir yaklaşım önerilmiştir. Ayrıca, önerilen yöntem literatürde sıklıkla kullanılan MovieLens veri setinden uygulanmasının yanı sıra gerçek bir süpermarket verisinde de uygulanmıştır.Keywords : Öneri Sistemleri, Kümeleme, Kullanıcı Bazlı İşbirlikçi Filtreleme, K-Means