Metin analizi ve konum tabanlı sosyal ağlarda konum önerisi
Text analysis and location recommendation on location based social networks (LBSNS)
- Tez No: 920959
- Danışmanlar: PROF. DR. İLYAS ÇİÇEKLİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Öneri Sistemleri, Heterojen Bilgi Ağları, Konum Tabanlı Sosyal Ağlar, Konu-Bazlı Duygu Analizi, Meta-yol Kelime gömmeleri, İşbirlikçi Filtreleme, Recommendation Systems, Heterogeneous Information Networks, Location Based Social Networks, Aspect-Based Sentiment Analysis, Meta-Path Embeddings, Collaborative Filtering
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 127
Özet
Amaç: Bu tezin amacı, Konu-Bazlı Duygu Analizi (ABSA) ile entegre edilmiş Heterojen Bilgi Ağları (Heterogeneous Information Networks - HINs) kullanılarak öneri sistemlerini geliştirmektir. Kullanıcı-mekan ilişkilerinin inceliklerini yakalamada ve yorum ile zenginleştirilmiş meta-yol-tabanlı kelime gömmeleri aracılığıyla öneri doğruluğunu artırmada yaşanan zorlukları ele almayı hedeflemektedir. Yorumlar ve etkileşimlerden sözel ve yapısal iç görüler elde etmek için REHREC modeli (Yorumdan Etkilenen Heterojen Bilgi Ağı Tabanlı Öneri Sistemi) ve W-REHREC modeli (Ağırlıklı Yorumdan Etkilenen Heterojen Bilgi Ağı Tabanlı Öneri Sistemi) adlı iki yenilikçi model önerilmektedir. Çalışma, bu modellerin Yelp ve Foursquare gibi yorum açısından zengin ortamlar da dahil olmak üzere farklı veri setleri üzerindeki uyarlanabilirliğini de değerlendirmektedir. Bu araştırma, metinsel ve yapısal veri arasındaki boşluğu kapatmaya, Cold-Start sorunlarına, seyrek etkileşimlere ve ölçeklenebilir ve genellenebilir öneri yöntemlerine olan ihtiyacı ele alarak katkıda bulunmaktadır. Yöntem: Önerilen REHREC modeli ve W-REHREC modeli iş akışları, kullanıcılar, mekanlar ve yorumlar arasındaki doğrudan ve dolaylı ilişkileri yakalamak için meta-yol- ii tabanlı HIN kelime gömmeleri kullanmaktadır. W-REHREC modeli, ABSA duygu puanlarından türetilen kenar (edge) ağırlıklarını içerir ve etkili etkileşimleri önceliklendirir. Her biri farklı veri özelliklerini temsil eden Yelp ve Foursquare veri setleri üzerinde yapılan deneyler ile geliştirilen modeller test edilmiştir. Öneri doğruluğunu değerlendirmek için Root Mean Square Error (RMSE) ve Mean Absolute Error (MAE) gibi değerlendirme metrikleri kullanılmıştır. UBU, BUB, URRU, BRRB, UBRRBU, UBCaBU ve BCaB gibi meta-yollar kullanıcılar (U), işletmeler (B), Yorumlar (R) ve kategoriler (Ca) arasındaki karmaşık ilişkileri modellemek için kullanılmıştır. Modeller, veri setleri arasında en uygun performans için hiper-parametreler ayarlandıktan sonra, Random Walk algoritması ve Skip-Gram algoritması kelime gömmeleri (word embeddings) ile eğitilmiştir. Çıktılar: Önerilen iş akışları, tüm veri setlerinde öneri doğruluğunda önemli iyileştirmeler gösterdi. Yorumlarla zenginleştirilmiş Yelp veri setinde, W-REHREC modeli modeli, temel HERec modeline kıyasla RMSE'yi %15.65 oranında azalttı ve MAE için de benzer iyileşmeler gözlendi. Foursquare veri setinde, W-REHREC modeli modeli, RMSE'yi %14.11 oranında iyileştirdi ve genelleme yeteneğini sergiledi. Sözel ve yapısal ilişkileri yakalayan meta-yollar bu iyileşmelerde önemli rol oynadı ve W-REHREC modeli, duygu-tabanlı bağlantıları vurgulayarak REHREC modeli modelini sürekli olarak geride bıraktı. Sonuç: Bu tez, REHREC modeli ve W-REHREC modeli iş akışlarını geliştirilmesi yoluyla öneri sistemlerine güçlü bir katkı sunmaktadır. HIN kelime gömmeleri ile ABSA entegrasyonu sayesinde, bu modeller yorumlardan elde edilen verileri etkin bir şekilde kullanarak kullanıcı-mekan ilişkilerini yakalamaktadır. Duygu-ağırlıklı kenar kullanımı ile W-REHREC modeli, doğruluğu ve ölçeklenebilirliği önemli ölçüde artırır ve farklı veri setleri üzerinde uyarlanabilirliğini gösterir. Sonuçlar, modern öneri sistemleri için sözel ve yapısal iç görülerin birleştirilmesinin önemini vurgular. Bu çalışma, çok dilli duygu analizine, dinamik zamansal modellemeye ve gerçek zamanlı öneri uygulamalarına yönelik gelecekteki araştırmalar için bir temel sağlar ve kişiselleştirilmiş, bağlam odaklı ve ölçeklenebilir öneri sistemlerindeki gelişen zorluklara yanıt verir.
Özet (Çeviri)
Purpose: The purpose of this thesis is to enhance recommendation systems by leveraging Heterogeneous Information Networks (HINs) integrated with Aspect-Based Sentiment Analysis (ABSA). It aims to address challenges in capturing nuanced user-business relationships and improving recommendation accuracy through review-enriched meta-path-driven embeddings. Two innovative frameworks, REHREC and W-REHREC (Weighted REHREC), are proposed to incorporate semantic and structural insights from reviews and interactions. The study also evaluates the adaptability of these models across diverse datasets, including review-rich environments (Yelp, Foursquare). This research contributes to bridging the gap between textual and structural data while addressing cold-start issues, sparse interactions, and the need for scalable and generalizable recommendation methods. Methods: The proposed REHREC and W-REHREC frameworks utilize meta-path-driven HIN embeddings to capture direct and indirect relationships among users, businesses, and reviews. W-REHREC incorporates edge weights derived from ABSA sentiment scores, prioritizing impactful interactions. Experiments were conducted on two datasets: Yelp and iv Foursquare, each representing varying data characteristics. Evaluation metrics, including Root Mean Square Error (RMSE) and Mean Absolute Error (MAE), assessed recommendation accuracy. Meta-paths such as UBU, BUB, URRU, BRRB, UBRRBU, UBCaBU, and BCaB were utilized to model complex relationships between users (U), businesses (B), reviews (R) and categories (Ca). The models were trained with random walks and skip-gram embeddings, with hyperparameters tuned for optimal performance across datasets. Results: The proposed frameworks demonstrated significant improvements in recommendation accuracy across all datasets. On the review-rich Yelp dataset, W-REHREC achieved an RMSE reduction of 15.65% compared to the baseline HERec model, with similar improvements observed for MAE. On the Foursquare dataset, W-REHREC improved RMSE by 14.11%, showcasing its generalization capability. Meta-paths capturing semantic and structural relationships were instrumental in these improvements, with W-REHREC consistently outperforming REHREC by emphasizing sentiment-driven connections. Conclusion: This thesis presents a robust contribution to recommendation systems through the development of REHREC and W-REHREC frameworks. By integrating ABSA with HIN embeddings, these models effectively leverage review data to capture nuanced user-business relationships. W-REHREC, with its sentiment-weighted edges, significantly enhances accuracy and scalability, demonstrating adaptability across diverse datasets. The results highlight the importance of combining semantic and structural insights for modern recommendation systems. This work provides a foundation for future research in multi-language sentiment analysis, dynamic temporal modeling, and real-time recommendation deployment, addressing evolving challenges in personalized, context-aware, and scalable recommendation technologies.
Benzer Tezler
- Interactive social media visualization
Sosyal medyanın etkileşimli olarak görselleştirilmesi
ELİF ŞANLIALP
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED ABDULLAH BÜLBÜL
- Konu tabanlı sosyal topluluklar için etkili kullanıcı ağırlıklandırılmış duygu analizi yöntemi
Influential user weighted sentiment analysis on topic based microblogging community
ALPASLAN BURAK ELİAÇIK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TAKUHİ NADİA ERDOĞAN
- Collective classification of user emotions in twitter
Twıtter'da kullanıcı duygularının kollektif sınıflandırımı
İBRAHİM İLERİ
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR KARAGÖZ
- Graph representation learning for text-based event detection
Metin tabanlı olay tespiti için çizge temsil öğrenimi
HİLAL GENÇ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU YILMAZ
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR