Tez No	İndirme	Tez Künye	Durumu
607267		Improved link prediction for location based social networks with novel features and contextual feature reduction / Orjinal öznitelikler ve bağlamsal öznitelik azaltma yöntemi ile konum tabanlı sosyal ağlar için geliştirilmiş bağlantı tahmini Yazar:AHMET ENGİN BAYRAK Danışman: PROF. DR. FARUK POLAT 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:	Onaylandı Doktora İngilizce 2019 128 s.
Geniş bant internet erişiminin yayılışı, kullanıcıların sadece tüketen olmak yerine içerik üretici olduğu bir internet kullanım devrimi yaptı. Bu devrimin önemli faktörlerinden olan çeşitli çevrimiçi sosyal ağ siteleri aracılığıyla; insanlar tanıdıkları ile iletişim kurmakta, etkileşmekte, kurdukları ilişkileri idame ettirmekte ve bilgi (resim, video, not, konum, vb.) paylaşmaktadır. Kişiler arasında konum paylaşımı ve etkileşimi yapılan sosyal ağlara Konum Tabanlı Sosyal Ağlar (KTSA) denir. Sosyal ağların daha fazla kullanılması ve yararlanılması için; gerçek hayat sosyal bağlantılarının (arkadaşlık, tanıdıklık) iyi temsil edilmesi ile mümkündür. Bağlantı tahmini probleminin, sosyal ağ evrimini inceleme ve gerçek yaşam ilişkilerini daha iyi temsil edebilmek için gelecekteki olası bağlantıları tahmin etme hedefi vardır. Araştırmamızda, KTSA'lardaki zamansal etkileşim verilerinden hesaplanan öznitelikler ile topolojik öznitelikleri birleştiren kapsamlı bir öznitelik kümesi çalışıldı. Biz bağlantı adayları için zaman, mekan kategorisi ve ortak arkadaşların detaylı bilgilerini kullanarak hesaplanan orjinal öznitelikler önerdik. Ayrıca, en iyi performanslı öznitelik alt kümesini belirlemek için iki aşamalı bir öznitelik azaltma mekanizması geliştirdik. Önce gereksiz özniteliklerden kurtulmak için benzer öznitelikleri kümeledik. Daha sonra, hesaplanmış kümelerden ilişkili öznitelikleri özel olarak tasarlanmış bir genetik algoritma yardımı ile monoton olmayan bir şekilde seçtik. Bizim önerdiğimiz bu yeni özniteliklerin ve öznitelik azaltma yönteminin, KTSA'lar için bağlantı tahmini performansını geliştirdiği gözlemlenmiştir.
High penetration of broadband Internet access has made a revolution on the web usage, where users have become content generators rather than just consuming. People started to communicate, interact, maintain relationship and share data (image, video, note, location, etc.) with their acquaintances through varying online social network sites which are the key factors of that internet usage revolution. Online social networks with location sharing and interaction between people are called Location Based Social Networks (LBSNs). To use and benefit more from social networks, real life social links (friendship, acquaintanceship) should be represented well on them. Link Prediction problem has a motivation of studying social network evolution and trying to predict future possible links for representing the real-life relations better. In this work, we studied a comprehensive feature set which combines topological features with features calculated from temporal interaction data on LBSNs. We proposed novel features which are calculated by using time, category and common friend details of candidates and their social interaction in LBSNs. In addition, we proposed an effective feature reduction mechanism which helps to determine best feature subset in two steps. Contextual feature clustering is applied to remove redundant features and then a non-monotonic selection of relevant features from the calculated clusters are done by a custom designed genetic algorithm. Results depict that both new features and the proposed feature reduction method improved link prediction performance for LBSNs.