Tez No	İndirme	Tez Künye	Durumu
268827		A content boosted collaborative filtering approach for recommender systems based on multi level and bidirectional trust data / Öneri sistemlerinde çok seviyeli ve iki yönlü güven verisine dayalı içerik destekli kolaboratif filtreleme yaklaşımı Yazar:FERHAT ŞAHİNKAYA Danışman: DOÇ. DR. FERDA NUR ALPASLAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Bölümü Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Kullanıcı modelleme = User modelling	Onaylandı Yüksek Lisans İngilizce 2010 139 s.
İnternet dünya üzerinde yaygınlaştıkça, insanlar web üzerinden daha fazla bilgi paylaşabilir hale geldi. Bunun yanısıra, neredeyse her internet kullanıcısı paylaşılan verilere daha hızlı bir şekilde erişebilmek ve aşırı veri yoğunluğuna karşı direnebilmek amacıyla kullanıcılar arasında veri paylaşımının olduğu farklı veri ağlarını kullanmaya başladı. Geliştirilen öneri sistemleri, kullanıcılara daha fazla kişiselleştirilmiş veri sağlanmasını ve kullanıcıların fazla çaba sarfetmeden verilere ulaşmasını sağladı. Sistemden sisteme değişmesine rağmen, çoğu öneri sisteminde amaç, kullanıcının tercih bilgilerini açıkça ya da gizli bir yolla öğrenip kullanıcının henüz fikir belirtmediği ?tercih edilebilir verileri? tahmin etmektir. Geleneksel yaklaşımlarda kullanıcı/madde benzerlikleri ya da madde içerik bilgileri aktif kullanıcıya sunulan verilerin seçilmesinde kullanılmaktadır, ancak yeni yaklaşımlarda kullanıcı güven bilgileri de kullanılarak, sadece hedef kullanıcının güvenilir bulduğu kullanıcıların görüşleri bilgi çıkarma sürecinde göz önünde bulundurulmaktadır. Bu tez çalışması kapsamında, güven verisini de göz önünde bulunduran içerik destekli bir öneri yöntemi sunulmaktadır. Aktif kullanıcı tarafından güvenilir bulunan ya da aktif kullanıcıyı güvenilir bulan kullanıcıların, aktif kullanıcı ile benzer görüşlere sahip olduğunu göstermek hedeflenmektedir. Bu düşünce ile, bu kullanıcıların oy verdiği maddeler, aktif kullanıcıya sunulacak olan maddelerin bulunmasında kullanılabilir. Bu araştırma için, kullanıcı güven ilişki bilgileri, ürün içerik bilgileri ve ürünler hakkında yorum yazan kullanıcılara başka kullanıcılar tarafından verilen oylar, www.epinions.com web sitesi taranarak elde edilmiştir.
As the Internet became widespread all over the world, people started to share great amount of data on the web and almost every people joined different data networks in order to have a quick access to data shared among people and survive against the information overload on the web. Recommender systems are created to provide users more personalized information services and to make data available for people without an extra effort. Most of these systems aim to get or learn user preferences, explicitly or implicitly depending to the system, and guess ?preferable data? that has not already been consumed by the user. Traditional approaches use user/item similarity or item content information to filter items for the active user; however most of the recent approaches also consider the trustworthiness of users. By using trustworthiness, only reliable users according to the target user opinion will be considered during information retrieval. Within this thesis work, a content boosted method of using trust data in recommender systems is proposed. It is aimed to be shown that people who trust the active user and the people, whom the active user trusts, also have correlated opinions with the active user. This results the fact that the rated items by these people can also be used while offering new items to users. For this research, www.epinions.com site is crawled, in order to access user trust relationships, product content information and review ratings which are ratings given by users to product reviews that are written by other users.