Kişiselleştirilmiş haber tavsiye sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Ticaret Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: MELİS ÖZKARA
Danışman: TURAN METİN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Tavsiye Sistemleri veya diğer adıyla Öneri Sistemleri kullanıcının geçmişte tercih etmiş olduğu ürünlere bağlı olarak bir sonraki tercihini öngörülebilir hale getirip önermesini yapan bir yöntemdir. Bu yöntem gün geçtikçe daha popüler hale gelmeye başlamıştır. Elde ettiğimiz verilere göre ileriye yönelik önerme ve tahmin gerektirecek her türlü alanda kullanılabilir bir fayda sağlar. Bilgiyi en doğru şekilde çıkarmak gereklidir. Amazon şirketi gelirinin %35'ini tavsiye sistemlerinden elde etmesi bu yöntemin önemliliğini bize gösterir. Benzer olarak haber tavsiye sistemleri diğer uygulama alanları kadar yaygın bir şekilde kullanılmamaktadır. Geçmiş çalışmalara bakıldığında bu konu denenmemiş özgün bir çalışmadır. Bu çalışma haber tavsiye sistemi alanında bir uygulama olup kullanıcın arama motoru, girdiği siteler ve yer işaretleri dikkate alınarak bir sistem tasarlanmak amaçlanmıştır. Kullanıcıya tavsiye edilecek haberleri sunabilmek için makine öğrenmesi modeli ile haber kategorileri ve haber içerikleri olan bir veri seti eğitilir. Kullanıcının girdiği siteler, arattığı kelimeler ve yer işaretleri verileri çekilerek eğitilen modele verilir ve sonucunda çıkan bilgiler dahilinde kullanıcının ilgilendiği haber kategorileri RSS (Rich Site Summary) tarafından anlık olarak işlenir. RSS'de seçilen haberler gündemdeki başlıklara göre öncelik sırasında kullanıcıya gösterilir. Model eğitiminde %86 doğruluk oranıyla gerçek kullanıcı testiyle %55 gibi bir doğruluk göstermiştir. Bu çalışma içerik tabanlı bir tavsiye sistemi çözümü sunmayı amaçlamaktadır.