An advanced context-aware method for detecting user interest drift: Methodology, statistical analysis, and empirical evaluation
Kullanıcı ilgi kaymasını tespit etmek için gelişmiş bağlam bilinçli bir yöntem: Metodoloji, istatistiksel analiz ve ampirik değerlendirme
- Tez No: 1016736
- Danışmanlar: PROF. DR. ALPTEKİN DURMUŞOĞLU, PROF. DR. TÜRKAY DERELİ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Modern veri odaklı sistemler, çokça akışkan veriler üzerinde çalışmaktadır. Bu tür ortamlarda, verinin istatistiksel özellikleri dışsal olaylar, bağlamsal faktörler ve sistem dinamiklerine bağlı olarak değişebilmektedir. Literatürde kavram kayması olarak adlandırılan bu olgu, öneri sistemleri gibi kontrollü bir ortamın dışında olan sistemler için bir zorluk olarak kabul edilmektedir. Kavram kaymasının görece az incelenmiş bir alt türü olan kullanıcı ilgi kayması, kullanıcı merkezli uygulamalarda büyük önem taşımaktadır; kullanıcı davranışındaki değişimlere gecikmeli/ hatalı uyum sağlanması, sistem performansında ciddi düşüşlere yol açabilmektedir. Literatüde bağlamsal bilgiye önem veren istatiksel bir çalışmanın eksiliği öngörülmüş olup, bu eksikliği gidermeyi amaçlayarak, bağlamsal bilgilerin, örneğin; günün saati, açık entegrasyonuna dayanan, istatistiksel temelli yeni bir yöntem olan C-IDDM (Context-Aware Interest Drift Detection Method) önerilmiştir. Önerilen yöntem, bağlamsal metin akışlarından elde edilen kullanıcı davranışlarını dağılımsal temsiller aracılığıyla modellemekte ve kullanıcı tercihlerindeki değişimleri, dağılım varsayımı gerektirmeyen, permütasyon temelli istatistiksel testler yardımıyla tespit etmektedir. Yöntemin etkinliği, Last.fm müzik dinleme veri seti ile kontrollü kayma senaryoları içeren sentetik akış verileri ile değerlendirilmiştir. Elde edilen karşılaştırmalı sonuçlar, C-IDDM'in bağlamdan bağımsız bir temel yönteme ve klasik akış tabanlı kayma algılama yöntemlerine kıyasla, özellikle bağlama bağlı kayma senaryolarında,s daha düşük yanlış alarm oranları ve daha yüksek bağlam saflığı sağladığını göstermektedir.
Özet (Çeviri)
Modern data-driven systems increasingly operate on continuous data streams. In such environments, the statistical properties of data change with external events, contextual factors and system dynamics. This phenomenon, known as concept drift, is lately recognized as a hard-core challenge in learning systems—especially in real-world applications such as recommender systems, and online personalization. User interest drift, an underexplored form of concept drift, is critical in user-centric and decision-critical applications, where delayed or inaccurate adaptation to evolving user behavior might lead to substantial performance degradation. The lack of a statistically principled, context-aware framework in non-stationary environments leaves a significant gap in the literature. Therefore, this thesis introduces C-IDDM (Context-Aware Interest Drift Detection Method), a novel and statistically grounded skeleton for the detection of user interest drift through the explicit integration of contextual information such as time-of-day. The proposed method models user behavior derived from contextual text streams and detects preference changes using distribution-free, permutation-based statistical testing. A real-world Last.fm music listening dataset and synthetic streaming datasets with controlled drift scenarios are utilized to evaluate comparative experiments, which indicate that C-IDDM outperforms a context-free baseline and classical streaming drift detectors, particularly under context-dependent drift, achieving lower false positive rates and better context purity.
Benzer Tezler
- Advanced techniques and comprehensive analysis in speech emotion recognition using deep neural networks
Derin sinir ağları kullanarak konuşma duygu tanıma üzerine gelişmiş teknikler ve kapsamlı analiz
AHMET KEMAL YETKİN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Sosyal mühendislikte komplo tabanlı içeriklerin yapay zekâ ile analizi
Analysis of conspiracy-based content in social engineering with artificial intelligence
EMEL KOÇYİĞİT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATİH ÇALLI
- Raylı sistemlerde dijital ikiz teknolojisi ile bim, gis ve iot tabanlı gerçek zamanlı izleme altyapısının geliştirilmesi
Development of a real time monitoring infrastructure based on bim, gis and iot using digital twin technology in rail systems
TOLGA BOZKURT
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- İstanbul-Paşaköy-B.Bakkalköy arası enerji nakil hattı kamulaştırma bilgi sistemi pilot çalışması
Başlık çevirisi yok
NURAY BAŞ
Yüksek Lisans
Türkçe
1998
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GONCA COŞKUN
- Ağ trafiğinin analizi, anomali tespiti ve değerlendirme
Analysis of network traffic, anomaly detection and evaluation
AKIN ASLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR