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

Year 2016, Volume: 4 Issue: 3, 0 - 0, 01.10.2016

Onur Sevli , Ecir Uğur Küçüksille

https://doi.org/10.21541/apjes.69981

Cited By: 2

Abstract

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.

References

• 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.
• 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.
• 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.
• 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
• 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.
• 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.
• 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.
• 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.
• 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.
• Kaya, B., 2015. Sosyal Ağ Modelleme Kullanılarak Tıbbi Veri Ağında Bağlantı Tahmini Yöntemleri, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 102, Elazığ.
• Kern, ML., Eichstaedt, JC.,Schwartz, HA., Park, G., Ungar, LH., Stillwell, DJ., Kosinski, M., Dziurzynski, L., Seligman, M., 2014. From "Sooo Excited!!!" to "So Proud": Using Language to Study Development. Developmental Psychology, 50(1), 178-188.
• Lee, CH., Chien, TF., 2013. Leveraging microblogging big data with a modified density-based clustering approach for event awareness and topic ranking. Journal of Information Science, 39(4), 523-543.
• Lee, W. J., Oh, K. J., Lim, C. G., Choi, H. J., 2014. User profile extraction from Twitter for personalized news recommendation. In Advanced Communication Technology (ICACT), 16th International Conference on, 779-783.
• Liang, B., Liu, Y., Zhang, M., Ma, S., Ru, L., Zhang, K., 2014. Searching for people to follow in social networks. Expert Systems with Applications, 41(16), 7455-7465.
• Lu, H., Lee, C., 2015. The Topic-Over-Time Mixed Membership Model (TOTMMM): A Twitter Hashtag Recommendation Model that Accommodates for Temporal Clustering Effects. Web Intelligence (WI) and Intelligent Agent Technologies (IAT), 2013 IEEE/WIC/ACM International Joint Conferences on, 21-25.
• Özgöbek, Ö., Erdur, R.C., 2015. Öneri Sistemleri ve Bir Uygulama Alanı Olarak Haber Öneri Sistemleri. Akademik Bilişim Konferansları, 31 Ocak-6 Şubat 2015, Eskişehir.
• Practicalanalytics, 2015. Sizing “Mobile + Social” Big Data Stats. Erişim Tarihi: 10.01.2015. https://practicalanalytics.wordpress.com
• Puglisi, S., Parra-Arnau, J., Jordi, F., Rebollo-Monedero, D., 2015. On contentbased recommendation and user privacy in social-tagging systems. Computer Standards & Interfaces 41, 17-27.
• Sarıgül, Y.E., 2014. Sosyal Medya Nedir? Erişim Tarihi: 18.03.2015. http://www.sosyalpedia.com/sosyal-medya-nedir-1
• Sun, A.R., Cheng J., Zeng D.D., 2009. A novel recommendation framework for micro-blogging based on information diffusion. 19th Annual Workshop on Information Technologies and Systems.
• Tezgüler, S., 2014. Sosyal Medya Nedir? Erişim Tarihi: 03.02.2015. sosyalmedyakulubu.com.tr/sosyalmedya/sosyal-medya-nedir.html
• Usta, 2014. Naïve Bayes Sınıflandırma Algoritması. Erişim Tarihi: 24.06.2015. http://kodcu.com/2014/05/naive-bayes-siniflandirma-algoritmasi
• Uysal, I., Croft, W. B., 2011. User oriented tweet ranking: a filtering approach to microblogs. In Proceedings of the 20th ACM international conference on Information and knowledge management, 2261-2264.
• Vu, X. T., Abel, M. H., Morizet-Mahoudeaux, P., 2014. A user-centered and groupbased approach for social data filtering and sharing. Computers in Human Behavior, 51, 1012-1023.
• Wu, L., Luo, N., 2014. Social streams recommendation in sina microblog with relation of user and interest. IEEE International Conference on Information Science and Technology (ICIST), 480-483.
• Yang, M.C., Rim, H.C., 2014. Identifying interesting Twitter contents using topical analysis. Expert Systems with Applications, 41, 4330-4336.
• Yu, S.J., 2012. The dynamic competitive recommendation algorithm. Social network services, 187, 1-14.
• Yu, Z., Wang, C., Bu, J., Wang, X., Wu, Y., Chen, C., 2015. Friend recommendation with content spread enhancement in social networks. Information Sciences, 309, 102-118.
• ZemberekNlp, 2007. Zemberek Nasıl Çalışır?. Erişim Tarihi: 27.04.2014. http://zembereknlp.blogspot.com.tr/2007_04_01_archive.html
• Zhao, LJ., Ren, YJ., Wang, J., Meng, LS., Zou, CL., 2013. Research on the Opinion Mining System for Massive Social Media Data. Natural Language Processing And Chinese Computing, 400, 424-431.