KaydedilenlerDerginizi ekleyin

Dergiler / Academic Platform Journal of Engineering and Smart Systems / 2016 / Cilt: 4 Sayı: 3

Türkçe Paylaşım Yapan Kullanıcılar İçin Sosyal Ağ Tabanlı Analiz ve Tavsiye Sistemi

Onur SEVLİ
Ecir Uğur KÜÇÜKSİLLE
Sayfa
1–1
Yayın Tarihi
2016-10-01
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)

Geliştirilen proje Twitter’ı aktif olarak kullanan bir grup ile test edilmiş ve alınan geri bildirimler doğrultusunda sistemin %86 başarılı olduğu ortaya konmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kişiler arası bilgi paylaşımında yaygın olarak kullanılan sosyal ağlar, hızla artan kullanıcı sayıları ile iletişimde yeni bir çığır açmıştır.
📊
Temel Bulgular & Veri:Kullanıcı sayılarındaki artışa bağlı olarak sosyal ağlarda üretilen içeriğin devasa boyutlara ulaşması, gerekli bilgilerin ilgili hedef kitleye ulaşmasını zorlaştırmaktadır.
💡
Sonuç & Katkı:Geliştirilen proje Twitter’ı aktif olarak kullanan bir grup ile test edilmiş ve alınan geri bildirimler doğrultusunda sistemin %86 başarılı olduğu ortaya konmuştur.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Kişiler arası bilgi paylaşımında yaygın olarak kullanılan sosyal ağlar, hızla artan kullanıcı sayıları ile iletişimde yeni bir çığır açmıştır. Kullanıcı sayılarındaki artışa bağlı olarak sosyal ağlarda üretilen içeriğin devasa boyutlara ulaşması, gerekli bilgilerin ilgili hedef kitleye ulaşmasını zorlaştırmaktadır. Bu noktada içerik analiz ve filtreleme sistemlerine ihtiyaç doğmaktadır. Bu çalışmada Twitter üzerinde kullanıcıların ilgi alanlarını dinamik olarak analiz eden ve bu doğrultuda takip edilebilecek diğer kullanıcıları tavsiye olarak sunan bir sistem geliştirilmiştir. Sistem tasarımında doğal dil işleme, büyük veri analizi, şartlı olasılık teoremi ve tabu arama yaklaşımlarından yararlanılmıştır. Geliştirilen proje Twitter’ı aktif olarak kullanan bir grup ile test edilmiş ve alınan geri bildirimler doğrultusunda sistemin %86 başarılı olduğu ortaya konmuştur.

🔖

Bu Makaleye Atıf Yap

SEVLİ, O., KÜÇÜKSİLLE, E. U. (2016). Türkçe Paylaşım Yapan Kullanıcılar İçin Sosyal Ağ Tabanlı Analiz ve Tavsiye Sistemi. Academic Platform Journal of Engineering and Smart Systems, Cilt: 4 Sayı: 3, 1–1. https://ajindex.com/articles/899657

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Aytekin, T., 2015. Tavsiye Sistemleri (Öneri Sistemleri). Erişim Tarihi: 04.05.2015. http://akademik.bahcesehir.edu.tr/~tevfik/tavsiye_sistemle ri_oneri_sistemleri.html Babacan, M.E., Haşlak, İ., Hira, İ., 2011. Sosyal Medya ve Arap Baharı. Akademik İncelemeler Dergisi, 6(2), 63-91.
  2. Barutçu, S., Tomaş, M., 2013. Sürdürülebilir Sosyal Medya Pazarlaması Ve Sosyal Medya Pazarlaması Etkinliğinin Ölçümü. Journal of Internet Applications & Management/İnternet Uygulamaları ve Yönetimi Dergisi, 4(1). Chang,CC., Chu, KH., 2013. A Recommender System Combining Social Networks for Tourist Attractions. Fifth International Conference on Computational Intelligence, Communication Systems and Networks, 42-47.
  3. Compton, R., Lee, C., Lu, TC., De Silva, L., Macy, M., 2013. Detecting future social unrest in unprocessed Twitter data Emerging Phenomena and Big Data. IEEE International Conference on Intelligence and Security Informatics: Big Data, Emergent Threats, And Decision-Making In Security Informatics, 56-60.
  4. Eyidilli, S., 2015. Twitter’ın aylık aktif kullanıcı sayısı 316 milyona yükseldi. Erişim Tarihi: 04.09.2015. http://webrazzi.com/2015/07/29/twitterin-aylik-aktif-kullanici-sayisi-316-milyon
  5. Hannon, J., Bennett, M., Smyth, B., 2010. Recommending twitter users to follow using content and collaborative filtering approaches. In Proceedings of the fourth ACM conference on Recommender systems, 199-206.
  6. Islam, M., Ding, C., Chi, C., 2014. Personalized Recommender System on Whom to Follow in Twitter. Big Data and Cloud Computing (BdCloud), IEEE Fourth International Conference on, 326-333.
  7. Jafarkarimi, H., Sim, A. T. H., Saadatdoost, R., 2012. A naive recommendation model for large databases. International Journal of Information and Education Technology, 2(3), 216. Jamil, N., Alhadi, A. C., Noah, S. A., 2011. A collaborative names recommendation in the Twitter environment based on location. In Semantic Technology and Information Retrieval (STAIR), 2011 International Conference on, 119-124.
  8. Jonnalagedda, N., Gauch, S., 2013. Personalized News Recommendation Using Twitter. In Web Intelligence (WI) and Intelligent Agent Technologies (IAT), IEEE/WIC/ACM International Joint Conferences on, 21-25.
  9. Kang, D., Han, D., Park, N., Kim, S., Kang, U., Lee, S., 2014. Eventera: Real-Time Event Recommendation System from Massive Heterogeneous Online Media. IEEE International Conference on Data Mining Workshop, 1211-1214.
  10. Kaya, B., 2015. Sosyal Ağ Modelleme Kullanılarak Tıbbi Veri Ağında Bağlan