A hybrid article recommendation system based on deep learning and co-publication network analytics
Derin öğrenme ve ortak yayın ağı analitiklerine dayalı bir hibrit bilimsel makale öneri sistemi
- Tez No: 584972
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET ONUR DURAHİM
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 55
Özet
Son yıllarda internetin gelişmesiyle, internetteki bilgi ve kaynak fazlalığından ötürü akademik araştırmacılar kendi çalışmalarına ve ilgi alanlarına yönelik en uygun makaleyi bulabilmek için daha fazla zaman ve enerji harcamaktadır. Araştırmacıların internetteki bilgi yığını içinde kaybolmaması ve araştırma sürecinin kolaylaştırması açısından makale öneri sistemleri daha da değerli hale gelmiştir. Geleneksel öneri sistemleri veri seyrekliği, yeni gelen bir makale ile ilgili az verinin olması vb. problemlerden ötürü etkili çalışmamaktadır. Bu problemlerin üstesinden gelebilmek ve daha etkili sonuçlar alabilmek için, öneri sistemlerinde son yıllarda yapay sinir ağı modelleri kullanılmaya başlandı. Etkili bir yapay sinir ağı modeli olan derin öğrenme ile makalelerin başlık ve özet bilgileri metin vektörlerine çevrilerek, makaleler arasındaki doğrusal olmayan ilişkiler tespit edilebilmektedir. Ek olarak, makale yazarlarının birbirleri arasındaki ilişki, yazarların ilerideki çalışmalarında kullanacakları makale tercihlerinde büyük etki yaratmaktadır. Makale yazarlarının birlikte ortak yayın çıkardığı yazarlar, bu yazarların yazdıkları diğer makaleler ya da referans gösterdikleri makaleler arasındaki ilişkinin sosyal ağ analizleri ile incelenmesi öneri sistemlerinin performansını arttırmaktadır. Bu çalışmada ise Siamese BiLSTM derin öğrenme algoritması kullanılarak makaleler arasındaki metin benzerlikleri ile Node2Vec sosyal ağ analizi kullanılarak makale yazarları arasındaki benzerlik değerlerini analiz eden hibrit bir makale öneri sistemi geliştirilmiştir. Gerçekleştirilen denemelerde, önerileri sayısının 100'e ulaştığı durumda tahmin doğruluğunun ortalama olarak 7% seviyesine ulaştığı görülmüştür.
Özet (Çeviri)
In recent years, with the rapid development of world wide web, researchers are spending more effort and time to reach the most relevant academic work for their studies because of the information overload. Preventing users from being distracted by a tremendous amount of publications and simplification of the research process makes recommendation systems more valuable. Traditional recommendation systems generally suffer from limited coverage, data sparsity, and cold start problem. In order to tackle these problems and achieve better performance, many recommender systems started to use neural network models. Being an effective neural network model, deep learning technology can transform article titles and abstract information into text embeddings and capture non-linear relationships between these text embeddings. In addition to deep learning on text embeddings, the relationship between authors has a huge effect on their future preferences. The research of copublication relationship with social network analysis improves the performance of the recommendation systems. In this study, the aim is to propose a hybrid article recommendation system that incorporates deep learning for article text similarity using Deep Siamese BiLSTM and social network analysis through node embeddings using co-publication and citation networks to exploit the network structure to provide benefit for recommender systems. Experiments conducted in this research show that the proposed model achieved a prediction rate of 7% on average when the number of articles to be recommended is taken as 100.
Benzer Tezler
- Hybrid deep multi-criteria recommender system model
Hibrit derin çok kriterli öneri sistemi modeli
ABDULRAHMAN ALNAHHAS
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU
- Collaborative filtering and content based hybrid models for recommending scientific articles
Bilimsel makale önerisi için işbirlikçi filtreleme ve içerik tabanlı hibrit modeller
MİNE ÖĞRETİR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. ALİ TAYLAN CEMGİL
- PubMed article recommendation system based on collaborative filtering
İşbirlikçi filtreleme ile PubMed makale öneri sistemi
MOHAMMAD OSAMA SALAHALDEEN BARAKAT
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADİL ALPKOÇAK
- Banka kredi kartı süreçlerinde kişisel verilerin büyük veri yöntemleri ile gizliliğinin korunması
Privacy and use of big data in bank credit card processes
MAHBUB DİLAN KOYUNCU KAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
- Fabrication and characterization of hybrid nanofiller reinforced polyurethane nanocomposites
Hibrit nanodolgu takviyeli poliüretan nanokompozitlerin üretimi ve karakterizasyonu
AMIR NAVIDFAR
Doktora
İngilizce
2021
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TRABZON