Recommender system construction using latent semantic analysis and data mining methods on e-commerce data

Abstract

Öneri sistemleri, e-ticaret uygulamalarının kullanıcılarına daha iyi önerilerde bulunmak adına geliştirilmektedir. Bu amaca ek olarak, e-ticaret uygulamaları, kullanıcılarına reklam göstermek ve belirli ürünlere indirim uygulamak adına öneri sistemlerinden yararlanmaktadır. Herhangi bir kullanıcıya bir ürün önermek her zaman için bir zorluk olmuştur, neyse ki bu zorluğu aşmak adına işbirlikçi filtreleme, birliktelik kuralı madenciliği gibi yöntemler ortaya atılmıştır. Bu yöntemler, esas olarak ürünlerin birlikte bulunmalarını incelemektedir. Bizim düşüncemize göre, farklı ürünler üzerindeki kullanıcı davranışları gizli anlamsal analiz yapılarak ortaya çıkarılmalıdır. Gizli anlamsal analiz bir metnin içeriğini anlamak için kullanılan bir yöntemdir. Bu yöntemin alışveriş verileri üzerinde önerilerde bulunurken kullanılabileceğini düşünüyoruz. Bu tez çalışmasında kullanılan veriler çeşitli e-ticaret sitelerinde yapılan alışveriş işlemlerini içermektedir. Bu veriler kullanılarak farklı yöntemler ve ortaya atılan yöntem incelenmiş ve sonuçları da bu teze dahil edilmiştir.

Recommender systems are developed to provide better recommendations to users of e-commerce applications. In addition to this goal, e-commerce applications benefit from their recommender systems to show advertisements to users, apply discounts on specific items. The task of recommending an item to a user is always a challenge; luckily, there are many methods developed to complete this task such as collaborative filtering, association rule mining etc. These methods mainly look at the co-occurrence of items; however, we think that user behavior on different items should be extracted by doing latent semantic analysis on the data. Latent semantic analysis is used for understanding the context of a text, we think that it can be used for providing recommendations by processing transactional data. The data used throughout this thesis work consists of transactions made in various e-commerce companies. In this thesis work, existing methods and proposed recommendation methods are examined and recommendation results on this data are shown.