Tez No	İndirme	Tez Künye	Durumu
536332		Personal advertisement recommendation for microblogs / Mikrobloglar ̇için kişisel reklam önerimi Yazar:ATAKAN ŞİMŞEK Danışman: PROF. DR. PINAR KARAGÖZ Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Reklamlar = Advertisements ; Tavsiye etme = Recommendation ; Vikipedi = Wikipedia	Onaylandı Doktora İngilizce 2019 128 s.
İnternet ortamında reklam önerimi popüler bir araştırma problemidir. Sosyal medya ve sosyal ağlardaki farklılıklar var olan problemi mikrobloglar için başka ihtiyaçlara yöneltmiştir. Bu çalışmada, mikrobloglar için bir reklam önerim sistemini ileri sürmekteyiz. Önerilen çözüm mesajın bütün içeriklerini kullanmaktadır (metinler, etiketler, web sayfaları, iliştiriler), ve yeni bir kullanıcı modeli üretmek için duygu ve takipçi etkileşimini kullanmaktadır. Reklam içeriği ile kullanıcı profilindeki kelimeleri eşleştirmek için Wikipedia Good Pages ismi verilen sayfaları kullanması bir diğer yenilikçi özelliğidir. Reklam kelime vektörü ve kişi profil vektörüne bakılarak ilgili kişiye en uygun reklama karar verilmektedir. Deneysel çalışmalar göstermiştir ki önerilen çözüm önceki çözümlerden daha iyi ve daha hızlı önerim yapmaktadır.
Advertisement recommendation on the Web is a popular research problem. For microblog platforms, different requirements arise due to the differences in the context of social media and social network. In this work, we propose an advertisement recommendation system for microblogs. The proposed solution uses all contents of the messages (texts, captions, web links, hashtags), and enhances them with sentiment data and followee/follower interactions expressed as microblog posts to generate a new user model. As another novel feature, Wikipedia Good Pages are used as general background knowledge for matching user profiles and advertisement contents. On the basis of the similarity between advertisement vectors and user profile vectors, the most related advertisement for the selected user is determined. Evaluation results show that the proposed solution performs better for advertisement recommendation on microblog platform and works faster in comparison to other techniques.