Developing a recommender system for academic papers
Akademik makaleler için bir öneri sistemi geliştirilmesi
- Tez No: 642777
- Danışmanlar: DOÇ. DR. HASAN BULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Her sene yüzbinlerce bilimsel makale yayınlanmaktadır. Gün geçtikçe, araştırmacıların kendi ilgileriyle alakalı makaleleri bulması zorlaşmaktadır. Araştırmacılar, okumuş oldukları makaleler ile alakalı farklı makaleler bulmayı isteyebilirler. Ancak arama motoru gibi alışagelmiş bilgi getirim sistemleri bu isteğe yeterli bir yanıt verememektedir. Bu sorunu çözmenin yollarından biri de öneri sistemleridir. Bu tezde, etkili bir bilimsel makale öneri sistemi geliştirmenin yolları üzerinde çalışılmıştır. Bilimsel makalelerin kendine has formatı göz önünde bulundurularak içerik tabanlı bir makale öneri sistemi geliştirilmiştir. Bilimsel makalelerin hangi parçalarının içerik tabanlı akademik öneri sistemlerine en iyi içeriği sağlayacağının belirlenmesi için deneyler gerçekleştirilmiştir. Makalelerin başlığı, özeti, anahtar kelimeleri, özetinden çıkarılan isim tamlamaları ve referanslarının başlıkları içeriği oluşturabilecek parçalar olarak belirlenmiştir. Bu olası parçaların çeşitli kombinasyonları TF-IDF kullanılarak öznitelik vektörlerine dönüştürülmüştür. Öznitelik vektörlerinin yakınlığına göre oluşturulan önerilerin kalitesi, geliştirilen çeşitli metrikler ile değerlendirilmiştir. Sonuç olarak başlık, özetten çıkarılan isim tamlamaları, referans başlıkları ve anahtar kelimelerin bir arada kullanılmasının en iyi içeriği oluşturduğu gözlemlenmiştir.
Özet (Çeviri)
Hundreds of thousands of scientific papers are being published every year. Every passing year, it becomes harder for researchers to find scientific papers that they are interested in. Researchers might want to find related scientific papers to the papers that they have already read. Traditional information retrieval systems such as search engines do not always solve this problem. One way to overcome this problem is to use recommender systems. In this thesis, we study efficient ways to build a scientific paper recommender. To achieve that, we built a content-based paper recommender system by leveraging the rigid structure of scientific papers. We made experiments to determine which parts of a scientific paper provide the optimal content for content-based recommenders. We determined the parts of papers as title, abstract, keywords, noun phrases extracted from the abstract, and reference titles. We convert the various combinations of these parts into feature vectors using a TF-IDF based approach. We generate recommendations based on the cosine similarity of the feature vectors. We measure the quality of the recommendations with several metrics. Consequently, we observed that contents made of title, noun phrases, reference titles, and keywords result in better recommendations.
Benzer Tezler
- Friend recommendation system in online social networks
Çevrimiçi sosyal ağlarda arkadaş tavsiye sistemi
MOHAMMED ADAM FARIS MOHAMMED
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. MEHMET KAYA
- Mobilya endüstrisinde yaşam döngüsü analizi yaklaşımı ile çevreci tasarım ve sürdürülebilir stratejiler
Eco-design and sustainable strategies for the furniture industry through life cycle approach
MERVE MERMERTAŞ
Yüksek Lisans
Türkçe
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA GERMİRLİ BABUNA
- A new approach to corporate social responsibility: Corporate digital responsibility, analysis of Turkish banking and e-commerce sectors
Kurumsal sosyal sorumluluğa yeni bir yaklaşım: Kurumsal dijital sorumluluk, Türk bankacılık ve e-ticaret sektörlerinin analizi
CEYDA CİHAN AYDOĞDU
Doktora
İngilizce
2024
BankacılıkGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
PROF. DR. BANU MÜJDE BASKAN KARSAK
- Yersel lazer tarama ölçmelerinde ölçme stratejisi geliştirme
Strategy development for terrestrial laser scanning measurements
METEHAN ASIM AYGÜN
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Sosyal ı̇lişkiler ve yapay sinir ağları kullanılarak melez öneri sistemi geliştirilmesi
Hybrid recommender system using social relations and artificial neural networks
SERDAR YILDIRIM
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA SERDAR KORUKOĞLU