KaydedilenlerDerginizi ekleyin

Dergiler / Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2017 / Cilt: 21 - Sayı: 3

Çevrimiçi Sosyal Ağa Entegre Bilgi Yarışması Oyunu Kullanarak Kullanıcı Profili Analizi

User Profile Analysis Using an Online Social Network Integrated Quiz Game

Yusuf YASLAN
Halil GÜLAÇAR
Melih Nazif KOÇ
Sayfa
696–702
Yayın Tarihi
2022-10-17
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Deneysel sonuçlar, örtülü ilgi alanı profil özelliklerinin kişiselleştirilmiş sistemlerde kullanımı için umut verici sonuçlar verdiğini göstermiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kullanıcı ilgi alanlarının profillenmesi, kişiselleştirilmiş web araması, öneri ve bulgetir sistemleri için önem taşımaktadır.
📊
Temel Bulgular & Veri:Bu çalışmada kullanıcıların ilgi alanlarını içeren profilleri, kullanıcılara farklı zorluk seviyelerinde, değişik kategorilerden 10 sorunun sorulduğu, bir bilgi yarışması oyunu ile çıkarılmıştır.
💡
Sonuç & Katkı:Deneysel sonuçlar, örtülü ilgi alanı profil özelliklerinin kişiselleştirilmiş sistemlerde kullanımı için umut verici sonuçlar verdiğini göstermiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Kullanıcı ilgi alanlarının profillenmesi, kişiselleştirilmiş web araması, öneri ve bulgetir sistemleri için önem taşımaktadır. İyi kişiselleştirilmiş bir uygulama geliştirmek için kullanıcı profillerinin doğru bir şekilde temsil edilmesine ihtiyaç duyulmaktadır. Kişiselleştirilmiş sistemlerin çoğu kullanıcı bildirimlerinden, çerezlerden veya ziyaret edilen web sayfalarından ilgi alanı profilleri üretmektedir. Ancak, kullanıcı ihtiyaçlarını karşılayan belirli bir sonuca ulaşmak için, kullanıcı ilgi alanlarının açıkça tanımlanması gerekmektedir. Bu çalışmada kullanıcıların ilgi alanlarını içeren profilleri, kullanıcılara farklı zorluk seviyelerinde, değişik kategorilerden 10 sorunun sorulduğu, bir bilgi yarışması oyunu ile çıkarılmıştır. Geliştirilen bilgi yarışması oyunu, Facebook çevrimiçi sosyal ağa entegre edilmiştir. Bu sayede, her kullanıcının hem Facebook sosyal ağ paylaşım sitesinde bulunan açık ilgi alanı profilleri, hem de bilgi yarışması oyunu cevaplarından elde edilen örtülü ilgi alanı profilleri çıkarılmıştır. Bu profiller her kullanıcı için farklı öznitelik çıkarımında kullanılmıştır. Hem örtülü ilgi alanı profilleri hem de açık ilgi alanı profil bilgileri kümeleme ve ilgi alanı sıralama yöntemleri ile incelenmiştir. Deneysel sonuçlar, örtülü ilgi alanı profil özelliklerinin kişiselleştirilmiş sistemlerde kullanımı için umut verici sonuçlar verdiğini göstermiştir.

Abstract

User interest profiling is important for personalized web search, recommendation and retrieval systems. In order to develop a good personalized application one needs to have accurate representation of user profiles. Most of the personalized systems generate interest profiles from user declarations or inferred from cookies or visited web pages. But to achieve a certain result that satisfies the user needs, explicit definition of the user interests is needed. In this paper we propose to obtain interest profiles from a quiz game played by the user where at each play he/she is asked 10 questions from different categories with different difficulty levels. The developed quiz game is integrated to Facebook online social network. By doing so, we had the chance to extract each user’s both explicit Facebook interest profiles and implicit interest profiles from quiz game answers. These profiles are used to extract different features for each user. Both implicit interest profile and explicit interest profile features are evaluated for clustering and interest ranking tasks separately. The experimental results show that the implicit interest profile features have promising results on personalized systems.

🔖

Bu Makaleye Atıf Yap

YASLAN, Y., GÜLAÇAR, H., KOÇ, M. N. (2022). Çevrimiçi Sosyal Ağa Entegre Bilgi Yarışması Oyunu Kullanarak Kullanıcı Profili Analizi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 21 - Sayı: 3, 696–702. https://ajindex.com/articles/593996

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Luxburg U. 2007. A Tutorial on Spectral Clustering. Statistics and Computing, pp. 395- 416. [21] Rand W.M. 1971. Objective Criteria for the Evaluation of Clustering Methods. Journal of the American Statistical Association, pp. 846-850.
  2. Van Dam J. W., Van de Velden M. 2015. Online Profiling and Clustering of Facebook Users. Decision Support Systems, 70, pp. 60-72.
  3. Rodriguez-Gonzalez A., Ruiz E. M., Pujadas M. A. M. 2016. Automatic Extraction and Identification of Users’ Responses in Facebook Medical Quizzes. Computer Methods and Programs in Biomedicine, 127, pp. 197-203.
  4. Hicks K., Gerling K., Kirman B., Linehan C. 2015. Dickinson P. Exploring Twitter as a Game Platform; Strategies and Opportunities for Microblogging-based Games, in Proceedings of The ACM SIGCHI Annual Symposium on Computer-Human Interaction in Play (CHI PLAY). Weller K. 2016. Trying to understand social media users and usage. Online Information Review, 40, pp. 256–264.
  5. Ortigosa A., Carro R. M., Quiroga J. I. 2014. Predicting User Personality by Mining Social Interactions in Facebook. Journal of Computer and System Sciences, 80, pp. 57-71.
  6. Khobzi, H., Teimourpour, B. 2015. LCP Segmentation: A framework for Evaluation of User Engagement in Online Social Networks. Computers in Human Behavior, 50, pp. 101-107.
  7. Cheung C.M., Lee M.K. 2010. A theoretical model of intentional social action in online social networks. Decision Support Systems, 49, pp. 24- 30. Baird C.H., Parasnis G. 2011. From social media to social customer relationship management. Strategy and Leadership, 39, pp. 30-37. Joinson A. N. 2008.
  8. Looking at, Looking up or Keeping up with People?: Motives and Use of Facebook, in Proceedings of the Conference on Human Factors in Computing Systems (CHI) 2008, Mary Czerwinski and Arnold M. Lund and Desney S. Tan ed. Florence, Italy. Banks, S., Rafter, R., Smyth, B. 2015. The Recommendation Game: Using a Game-with-aPurpose to Generate Recommendation Data, in Hannes Werthner, Markus Zanker, Jennifer Golbeck & Giovanni Semeraro, ed., 'RecSys', ACM, pp. 305-308.
  9. Ko H. G., Ko I. Y., Kim T., Lee D. 2013 Hyun S. J. Identifying User Interests from Online Social Networks by Using Semantic Clusters Generated from Linked Data, in Proceedings of the ICWE 2013
  10. Workshops, LNCS, Quan Z. Sheng and Jesper Kjeldskov ed.; pp. 302-309.
  11. Parra-Arnau, J., Rebollo-Monedero, D., Forné, J. 2014. Measuring the privacy of user profiles in personalized information systems. Future Generation Computer Systems, 33, pp. 53-6