Öneri sistemlerinde derin öğrenme tabanlı otomatik sorgu tamamlama

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Bilişim Enstitüsü, Bilgisayar Eğitimi, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: Türkçe

Öğrenci: ABDUR REHMAN ANWAR QURESHI

Danışman: Muhammet Ali Akcayol

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmada, girdi önekini kullanarak bir sorgu tamamlama listesi oluşturmak için Uzun Kısa Süreli Bellek (Long Short-Term Memory-LSTM) tabanlı Sorgu Otomatik Tamamlama (Query Auto Completion - QAC) önerilmiştir. QAC sisteminin performansı, ilgililik skoru kullanılarak değerlendirilmiş ve geliştirilen QAC modelinin kalitesi, kısmi ve tam eşleştirme stratejileri, başarı oranı, ortalamaların ortalaması hassasiyet (mean average precision), ve normalleştirilmiş azaltılmış toplam kazanç (normalized discounted cumulative gain) kullanılarak değerlendirilmiştir. Geliştirilen LSTM tabanlı QAC sistemi, American Online (AOL) ve Open Resource for Click Analysis in Search (ORCAS) veri kümeleri kullanılarak kapsamlı bir şekilde test edilmiştir. Deneysel sonuçlara göre, önerilen QAC sisteminin performansı kısmi eşleştirme stratejisi kullanıldığında daha başarılı olmuştur. Ayrıca QAC sistemi tarafından önerilen listenin kalitesi tam eşleştirme stratejisinde daha başarılı olmuştur.