Derin Özkodlayıcı Ağlar İle Öneri Sistemlerinde Tahmin Doğruluğunun Artırılması

Bilgiye erişimin her geçen gün daha fazla hızlanması, internette bulunan veri miktarını da giderek artırmaktadır. Bu büyük veri içerisinden ihtiyaç duyulana kolay erişim de önemli hale gelmektedir. Öneri Sistemleri günümüzde kullanıcıların istedikleri veriye hızlı ve doğru bir şekilde ulaşması için birçok farklı alanda kullanılmaktadır. Bu kapsamda kullanıcıların daha önce yapmış olduğu tercihler göz önünde tutularak gelecekte olası tercihleri tahmin etmeye çalışırlar. Öneri sistemlerinde farklı yöntemler kullanılmakta olup bunların başında İşbirlikçi Filtreleme yöntemi gelmektedir. İşbirlikçi filtreleme, birbirine yakın kullanıcıların benzer ilgi ve beğenilere sahip olacağı yaklaşımı ile çalışır. İşbirlikçi filtreleme yöntemi, Bellek tabanlı ve Model tabanlı olarak sınıflandırılabilir. Bu çalışmada işbirlikçi filtreleme algoritmalarından model bazlı tahmin hesaplama adımı için Derin Özkodlayıcı Ağlar ile Gürütlü Giderici Özkodlayıcı Ağlar kullanılarak Öneri Sistemlerinin performansında iyileştirme hedeflenmiştir. Farklı gürültü oranları ile karşılaştırılan ağlardan 0,3 gürültü oranına sahip model en başarılı model olmuştur. Belirlenen parametreler kullanılarak oluşturulan modellerle yapılan testlerde Özkodlayıcı Ağların bir kolu olan Gürültü Giderici Özkodlayıcı Ağların daha başarılı sonuçlar verdiği görülmüştür.