This thesis deals with evaluating image descriptors on whether they are useful to create
a user preference model about user’s taste on images and also whether these models can
eventually be used in image recommender systems. Our aim is to address a simple user
preference vector by using many visual descriptors of images. By means of image
descriptors, we can reveal a correlation between user’s taste and image features and
easily build up a vector that models user’s preferences. This content-based relationship
may be used for image recommendation. Recommender systems can generally be
considered as two headings such as content-based approaches and collaborative filtering
approaches. Typical content-based methods computes content in user preference and
compare it with other items. We want to use our image descriptor correlation as a
content-based approach. But there are some natural challenges about this type contentbased
algorithm. For a very large image dataset, computing pairwise distances between
vectors of image descriptors is very exhaustive process. To overcome this complexity,
we have proposed a novel approach that we make cluster dataset through image feature
vectors. This technique may be useful in different ways such that it speeds up image
matching since you do not have to match each candidate against each image that a user
likes. Also it can be able to group images very meaningfully in term of semantic
according to your clustering algorithm success.
Günümüzde büyük önem kazanan öneri sistemleri üzerinde birçok araştırmacı
çalışmaktadır ve bu sistemlerden biri de resim önerisi sistemleridir. Tezimizin başlıca
araştırma konusu görsel resim özelliklerinin, kullanıcıların resim beğenilerinden yola
çıkılarak bir kullanıcı beğeni modeli oluşturmadaki kullanılabilirliğini ortaya
çıkarmaktır. Ayrıca amacımız üretilen bu modelin resim önerisi sistemlerinde
kullanılması ve bu yöntemin başarı performansının ölçülmesi üzerinedir. Bilgisayar
görüsü alanında daha önceden üzerinde çalışılmış ve üretilmiş birçok resim
tanımlayıcısı bulunmaktadır. Bu resim tanımlayıcıların ve kullanıcıların beğendikleri
resimler arasında mantıklı bir ilişki ortaya çıkartılabilir. Ortaya çıkartılan bu ilişki
modellenerek sistemdeki diğer resimler üzerinden kullanıcılara öneri yapmak üzere
içerik tabanlı resim önerisi sistemlerinde kullanılabilir. Bunlarla birlikte, çok fazla
sayıda resim içeren veritabanlarında bu tür içerik tabanlı öneri algoritmalarını
çalıştırmak fazla performanslı değildir. Birbirlerine görsel tanımlayıcılar üzerinden ikili
yakınlıkları ölçmek tüm veritabanı için oldukça uzun süren bir işlemdir. Tezimizin son
olarak önerdiği temel amaç ise resimlerin görsel tanımlayıcı verilerini önceden
kümelemek etmek ve bu kümeleri yeni tasarladığımız resim önerisi yönteminde
kullanmaktır. Bu kümeleme yöntemi resim önerisi mekanizmasının çalışma hızını
artıracağı gibi öneri performansını da diğer klasik algoritmalara göre artırdığı
yaptığımız deneylerle ispatlanmıştır.
