Deep AutoEncoders in Recommender Systems: An Application about Internet of Things Service Recommendation

Sule BİRİM

doi:https://doi.org/10.17671/gazibtd.685500

Makale detayları

Deep AutoEncoders in Recommender Systems: An Application about Internet of Things Service Recommendation

Yazarlar:

Sule BİRİM

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2021 Vol.14 Issue 3, pp.267-277

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000902356

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.685500

Anahtar kelimeler:

Özet:

 

The Internet of Things (IoT) is a system that includes small interconnected devices sharing information through the Internet. Future expects an increasing number of services in IoT devices. Therefore, recommending IoT services will be a vital task for the future of IoT and the convenience of the users. This study aims to find the best methodology to provide IoT service recommendation.  With this aim, this study proposes deep autoencoders methodology to recommend services and applications to users based on the devices they own. Deep autoencoders utilize neural networks to predict user service preference matrix. The data used in this study is constructed from a real-world Social IoT dataset. The results showed that deep autoencoders outperformed the state-of-the-art recommendation methods. According to the results, Deep autoencoders improved performance indicators varying between 13.5% and 69.5% compared to other methods. Findings also indicate that the performance of the deep autoencoders can be enhanced by using ELU (exponential linear units), a specific type of activation function. This study contributes to the IoT service recommendation literature by proposing a superior approach when compared to the traditional recommendation techniques.

 

Nesnelerin İnterneti (IoT) küçük ve birbirine bağlı cihazlardan oluşan ve internet aracılığıyla bilgi paylaşımı sağlayan cihazlardan oluşan bir sistemdir. Gelecek IoT cihazlarının gerçekleştirdiği hizmetlerin sayısının oldukça artmasını beklemektedir. Bu nedenle IoT hizmeti önerme, gelecekte çok önemli bir faaliyet halini alacaktır. Bu çalışma, IoT hizmetleri tavsiyesi için en iyi yöntemi bulmayı hedeflemektedir. Bu amaç doğrultusunda bu çalışma derin otokodlayıcılar yöntemini, kullanıcılara IoT hizmet ve uygulamalarını kullandıkları cihazlara bağlı olarak önermek için kullanmayı hedeflemektedir. Derin otokodlayıcılar, kullanıcı hizmet tercih matrisini tahmin edebilmek için sinir ağlarını kullanır. Bu çalışmada kullanılan veri, gerçek bir Sosyal IoT veri setinden yararlanılarak oluşturulmuştur. Sonuçlara göre derin otokodlayıcılar, teknoloji harikası öneri yöntemlerine göre daha başarılı bir performans ortaya koymuştur. Bu sonuca ek olarak özel bir çeşit aktivasyon fonksiyonu ile oto kodlayıcıların performansının arttırılabileceği görülmüştür. Bu çalışma IoT hizmet önerisi literatürüne geleneksel ve teknoloji harikası kabul edilen yöntemlere bir alternatif sunarak katkı sağlamaktadır.

Makale detayları

Deep AutoEncoders in Recommender Systems: An Application about Internet of Things Service Recommendation

Yazarlar:

Sule BİRİM

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2021 Vol.14 Issue 3, pp.267-277

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000902356

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.685500

Nesnelerin İnterneti (IoT)

Öneri sistemleri

Hizmet önerisi

İşbirlikçi Filtreleme

Derin Otokodlayıcılar

Sinir Ağları

Sayı

Makale detayları

Deep AutoEncoders in Recommender Systems: An Application about Internet of Things Service Recommendation

Yazarlar: Sule BİRİM

Yayıncı: Gazi University

Ana Başlıklar: Veri işleme & bilgisayar bilimi

Dergi: Journal of Information Technologies 2021 Vol.14 Issue 3, pp.267-277

Belge Tipi: Makale

Yayın Tarihi: 7/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000902356

Sıklık: Üç Aylık

eISSN: 2147-0715

pISSN: 1307-9697

DOI: https://doi.org/10.17671/gazibtd.685500

Nesnelerin İnterneti (IoT)

Öneri sistemleri

Hizmet önerisi

İşbirlikçi Filtreleme

Derin Otokodlayıcılar

Sinir Ağları

Sayı

Yazarlar:

Sule BİRİM

Yayıncı:

Gazi University

Ana Başlıklar:

Veri işleme & bilgisayar bilimi

Dergi:

Journal of Information Technologies 2021 Vol.14 Issue 3, pp.267-277

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000902356

Sıklık:

Üç Aylık

eISSN:

2147-0715

pISSN:

1307-9697

DOI:

https://doi.org/10.17671/gazibtd.685500