MovieANN: A Hybrid Approach to Movie Recommender Systems Using Multi Layer Artificial Neural Networks

Authors : Sait Can YÜCEBAŞ

Pages : 214-232

Doi:10.28979/comufbed.597093

View : 14 | Download : 18

Publication Date : 2019-12-19

Article Type : Research Paper

Abstract :İnternetteki veri miktarı gün geçtikçe katlanarak artmaktadır. Kullanıcılar bu geniş veri okyanusunda sıklıkla kaybolmaktadır. Bu yüksek miktardaki ham veriden önemli bilgiyi filtrelemek için öneri sistemleri kullanılır. Bu sistemler işbirlikçi filtrelemeye, içeriğe dayalı filtrelemeye ve hibrit yaklaşımlara dayanmaktadır. Bu çalışmada yapay sinir ağına dayalı hibrit bir film öneri sistemi olan MovieANN, işbirlikçi ve içerik tabanlı filtreleme kullanılarak gerçekleştirilmiştir. İşbirlikçi bir yaklaşımla daha iyi öneriler yapmak için hem kullanıcı hem de film kümeleri oluşturulmuştur. Kümeler oluşturulurken rating bilgisine ek olarak içerik bilgisi de dikkate alınmıştır. Kümeleme için K-Means ve X-Means algoritmaları kullanılmıştır.  Son kümeler, Davies-Bouldin Endeksi ve küme içi mesafelerine göre seçilir. Kümeler oluşturulurken homojenlik ve yoğunluk da göz önünde bulundurulmuştur. Öneri adımında film ve kullanıcı kümeleri eşleştirilir. İlgili model, altı bin kullanıcı, dört bin film ve bir milyon ratingden oluşan MoiveLens 1M veri kümesinde test edilmiştir. Film kullanıcı eşlemelerini temsil etmek için dört küme ve her küme için çok katmanlı sinir ağını temel alan bir öneri modeli oluşturulmuştur. Modelin öneri performansı doğruluk olarak % 84,52, kesinlik açısından % 84,54 ve geri çağırmada % 99,98'dir.
Keywords : Öneri Sistemleri, İçerik Tabanlı Filtreleme, işbirlikçi Filtreleme, hibrit öneri