Kasapbaşı, Mustafa CemSivri, Elif Şafak2015-12-072018-08-062015-12-072018-08-062015Sivri, Elif Şafak. (2015). Veri madenciliği : e-ticaret için ürün tavsiye sistemi geliştirilmesi. (Yayımlanmamış yüksek lisans tezi). İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği, İstanbulhttps://hdl.handle.net/11467/2269http://library.ticaret.edu.tr/e-kaynak/tez/63757.pdfTez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var.Bu çalışmada, Bir e-ticaret sitesi için, birliktelik analizi uygulaması ele alınmıştır. Hızlı değişen dünya koşullarından ötürü insanoğlunun ihtiyaçları gün geçtikçe artmakta ve değişmektedir. Bununla birlikte, insanların ihtiyaçları fazla zamanları kısıtlı olduğu için, e-ticaret alışverişinin kullanım ve tercih oranlarıda gün geçtikçe artmaktadır. Her 20 kişiden biri e-ticaret alışveriş sitelerini kullanarak, alışveriş yapmakta ve karşılarına alışveriş yaptıkları ürünler ile ilgili bir başka kişinin bu ürünle birlikte neler aldığı seçenekleri çıkmaktadır. Özel bir şirkete ait e-ticaret perakende giyim verileri kullanılarak, yaş ve cinsiyet parametreleri de işin içine katılarak herhangi bir ürün satın alan müşterilerin başka hangi ürünleri satın aldıkları tespit edilmiştir. Birliktelik kuralları olarak Apriori ve FP-Growth algoritmaları kullanılmıştır. İki müşteri arasındaki benzerlik bulunurken Cosine, Pearson ve Jaccard benzerlikleri kullanılmıştır. Kümeleme analizi metotlarından k-ortalamalar kullanılarak; müşteriler yaş ve cinsiyet niteliklerine göre kümelenmiştir. Weka programı ile gerçek veriler üzerinde birliktelik kuralları elde edilmiştir ve bir kullanıcı ara yüzü ile benzerlik ve kümeleme analizleri yapılmıştır.Since the world is changing the needs of the human beings are changing and increasing as day passes. E-commerce sites are becoming popular since they fit the contemporary daily life. One out of every twenty people uses e-commerce site for shopping and they are recommended with some products which other users also interested in or ordered. In this study, Association analysis is carried out for an e-commerce site. With analyzing cloth sales data for the e-commerce site of a private Turkish retail company, concerning gender and age parameters, the association rules for which products are bought together is discovered. FP-Growth and Apriori are used for association rules. While discovering similarities between two customers Cosine, Pearson, and Jaccard are utilized. K-means is used as Clustering analysis, to cluster customers according age and gender properties of customers. WEKA software is used to discover the association rules in data and using a developed GUI clustering and association analysis are further performed.İÇİNDEKİLER, I -- ÖZET, II -- ABSTRACT, İV -- TEŞEKKÜR, V -- ŞEKİLLER, Vİ -- ÇİZELGELER, Vİİ -- SİMGELER VE KISALTMALAR, Vİİİ -- 1. GİRİŞ, 1 -- 1. 1. VERİ MADENCİLİĞİNE GENEL BAKIŞ, 1 -- 1. 2. VERİ MADENCİLİĞİ KULLANIM ALANLARI, 3 -- 2. LİTERATÜR ÖZETİ, 5 -- 3. VERİ MADENCİLİĞİNDE KULLANILAN MODELLER VE TEKNİKLER, 10 -- 3. 1. TAHMİN EDİCİ MODELLER VE TEKNİKLER, 10 -- 3. 1. 1. Sınıflandırma, 10 -- 3. 1. 2. Regresyon analizi, 11 -- 3. 2.TANIMLAYICI MODELLER VE TEKNİKLER, 14 -- 3. 2. 1. Kümeleme analizi, 14 -- 3. 2. 1. 1. Kümeleme analizinde kullanılan uzaklık ölçütleri, 15 -- 3. 2. 2 Kümeleme yöntemleri, 16 -- 3. 2. 2. 1. Hiyerarşik kümeleme, 16 -- 3. 2. 2. 2. Hiyerarşik olmayan kümeleme, 17 -- 3. 2. 3. Birliktelik kurallarının tanımı, 18 -- 3. 2. 4. Birliktelik kurallarına örnek, 19 -- 3. 2. 5. Birliktelik kurallarında kullanılan terimler, 19 -- 3.2.6. Birliktelik kuralları performansı belirleyen durumlar, 22 -- 3.2.7. Birliktelik kuralarının belirlenmesinde kullanılan algoritmalar, 23 -- 3.2.7.1. Apriori algoritması, 23 -- 3.2.7.2. FP GROWTH algoritması, 25 -- 3. 2. 8. Benzerlik fonksiyonları (Jaccard, Cosine ve Pearson), 27 -- 4. MARKET SEPET ANALİZİ VE BİRLİKTELİK KURALLARI İLE -- UYGULAMA, 29 -- 4. 1. MARKET SEPET ANALİZİ, 29 -- 4. 2. E-TİCARET PERAKENDE SİTESİNDE SEPET ANALİZİ ÖRNEĞİ, 29 -- 4. 3. VERİLERİN TOPLANMASI VE DÜZENLENMESİ, 30 -- 4.4. YÖNTEM VE ALGORİTMA, 32 -- 4. 5. AMAÇ, 34 -- 5. DEĞERLENDİRME, 35 -- 5. 1. BULGULAR, 35 -- 5. SONUÇ, 48 -- 5.1. SONUÇ VE ÖNERİLER, 48 -- KAYNAKLAR, 51 -- ÖZGEÇMİŞ, 54trinfo:eu-repo/semantics/openAccessVeri madenciliğiElektronik ticaretİnternet pazarlamaElectronic commerceInternet marketingData miningQA 76.9.D343/S58Master Thesis170409103