Tez No	İndirme	Tez Künye	Durumu
269012		A hybrid video recommendation system based on a graph-based algorithm / Grafik tabanlı bir algoritmaya dayalı hibrit video öneri sistemi Yazar:GİZEM ÖZTÜRK Danışman: DOÇ. DR. NİHAN KESİM ÇİÇEKLİ 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:Bilgi çıkarımı = Information extraction ; Filtreleme = Filtration ; Öneri sistemleri = Suggestion systems	Onaylandı Yüksek Lisans İngilizce 2010 89 s.
Bu tez, hibrit bir video öneri sisteminin tasarım, geliştirme ve değerlendirme bölümlerini sunar. Sunulan hibrit video öneri sistemin temeli Adsorption adındaki bir grafik algoritmasına dayanır. Adsorption, işbirlikçi filtrelemeye dayalı bir algoritmadır ve öneri yapmak için kullanıcılar arasındaki benzerlikleri göz önünde bulundurur. Adsorption, temel öneri listesini elde etmekte kullanılır. Sadece işbirlikçi filtrelemenin kullanılmasıyla oluşan sorunları aşmak için içerik bazlı filtreleme de sisteme eklenir. İçerik bazlı filtreleme, kullanıcının tercihlerine uyan benzer maddeleri önerir. İçerik bazlı filtrelemeyi kullanabilmek için öncelikle temel öneri listesinden zayıf nesneler çıkarılır. Bunun ardından, kalan nesnelerin önerilmeyen nesnelerle olan benzerlik oranları hesaplanır ve yeni nesneler listeye eklenir. Böylece, işbirlikçi öneriler nesneler arasındaki benzerliğe göre güçlendirilir. Buna bağlı olarak da geliştirilen sistem, işbirlikçi ve içerik bazlı yaklaşımları birleştirerek daha verimli öneriler ortaya koyar.
This thesis proposes the design, development and evaluation of a hybrid video recommendation system. The proposed hybrid video recommendation system is based on a graph algorithm called Adsorption. Adsorption is a collaborative filtering algorithm in which relations between users are used to make recommendations. Adsorption is used to generate the base recommendation list. In order to overcome the problems that occur in pure collaborative system, content based filtering is injected. Content based filtering uses the idea of suggesting similar items that matches user preferences. In order to use content based filtering, first, the base recommendation list is updated by removing weak recommendations. Following this, item similarities of the remaining list are calculated and new items are inserted to form the final recommendations. Thus, collaborative recommendations are empowered considering item similarities. Therefore, the developed hybrid system combines both collaborative and content based approaches to produce more effective suggestions.