Developing an E-Commerce Recommendation System Using Deep Learning and Optimization Algorithms

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: İngilizce

Öğrenci: RAND JAWAD KADHIM ALMAHMOOD

Danışman: Adem Tekerek

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Mobil uygulamaların ve çevrimiçi e-ticaret platformlarının hızlı büyümesi, kullanıcı tarafından oluşturulan ürün yorumları ve puanlamalar gibi büyük miktarda verinin toplanmasını mümkün kılmıştır. Bu yorumlar, tüketici kararlarının şekillenmesinde, marka itibarında ve genel kullanıcı memnuniyetinde kritik bir rol oynamaktadır. Ancak mevcut puanlama tahmin modelleri, genellikle bireysel kullanıcı eğilimlerini ve yorum metinlerinde yer alan anlamsal zenginliği göz ardı etmektedir. Bu sınırlamaları aşmak amacıyla, bu çalışma, faydalı yorumların tanımlanması ve önerilmesini geliştirmeyi hedefleyen iki tamamlayıcı derin öğrenme tabanlı çerçeve sunmaktadır. İlk önerilen model olan Kişisel Eğilimlere Dayalı Dengeli Faydalı Yorum Ölçümleme (BHRQUT) modeli, kullanıcıların kişiselleştirilmiş puanlama davranışlarını ve gerçek ile tahmin edilen puanlamalardan türetilmiş yeni bir yardımcı özelliği bünyesinde barındırmaktadır. Bu özellik, kelime gömme (embedding) ve doğal dil işleme teknikleri kullanılarak dengeli bir CNN-BiLSTM mimarisi ile işlenen metin tabanlı girdilerle bütünleştirilmiştir. Amazon 5 dereceli puanlama verisetleri üzerinde yapılan deneysel değerlendirmeler, BHRQUT modelinin %97'ye varan doğruluk oranı ile geleneksel modellere kıyasla kullanıcı tercihlerini yakalama ve faydalı içeriği tanımlama konusunda önemli başarılar elde ettiğini göstermektedir.