Akış verisindeki dağılım tahminine dayalı tavsiye sistemi ve beklenmedik öneri sunumu


Tezin Türü: Doktora

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

Tezin Onay Tarihi: 2020

Tezin Dili: Türkçe

Öğrenci: ANIL UTKU

Danışman: MUHAMMET ALİ AKCAYOL

Özet:

Olayların, sonraki meydana gelme zamanlarının tahmin edilmesine yönelik çalışmalar uzun yıllardır devam etmektedir. Bu sayede olaylar meydana geldiğinde ortaya çıkacak zararı minimuma indirmek ya da elde edilecek faydayı maksimum yapmak amaçlanır. Bir müşterinin sonraki davranışının tahmini, doğal afetlerin sonraki olma zamanının tahmini, belirli bir zaman aralığında gelecek talep sayısının tahmini gibi çok farklı alanlarda çalışmalar yapılmaktadır. Ancak, literatürde olayların meydana gelmeden önce bir sonraki olma zamanının ve olay türünün tahminine yönelik beklenen düzeyde başarılı sonuç veren bir çalışma bulunmamaktadır. Bu tez çalışmasında, olay zamanı tahminine yönelik hibrit bir derin öğrenme modeli olan HDLM geliştirilmiştir. HDLM ile elde edilen sonuçlar, RF, SVM, ARIMA, MLP, CNN, GRU, LSTM ve CNN ile GRU modelleri kullanılarak oluşturulan CNN+GRU hibrit modeli ile kapsamlı bir şekilde karşılaştırılmıştır. Geliştirilen model e-ticaret, DDoS, suç ve acil çağrı veri kümeleri üzerinde uygulanmıştır. Deneysel sonuçlar, geliştirilen hibrit derin öğrenme modelinin ileriye dönük bir sonraki olayın olma zamanının tahmininde diğer modellerden daha başarılı olduğunu göstermiştir