Tez No |
İndirme |
Tez Künye |
Durumu |
409142
|
|
A temporal expert finding methodology based on united author-document-topic graphs / Birleşik yazar-doküman-konu çizgeleri temelli zamana dayalı uzman bulma yöntemi
Yazar:AHMET EMRE KILINÇ
Danışman: YRD. DOÇ. DR. TUĞBA TAŞKAYA TEMİZEL
Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Enformatik Enstitüsü / Bilişim Sistemleri Ana Bilim Dalı
Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control
Dizin:
|
Onaylandı
Yüksek Lisans
İngilizce
2014
138 s.
|
|
Teknolojik gelişmelerdeki yüksek hızın zaman içinde insanların uzmanlık alanlarında
değişimlerle sonuçlanmasından dolayı, uzman bulma zorlu bir araştırma konusudur.
Ancak, literatürdeki uzman bulma sistemleriyle ilgili çalışmaların büyük çoğunluğu
zamana bağlı değişiklikleri hesaba katmamaktadır. Örneğin, bu alanda çokça kullanılan
olasılıksal modeller, sorgular ve dokümanlar arasındaki kelime veya terim
ilişkilerini temel almaktadır. Öte yandan, bu tez çalışmasında temel yöntem olarak
referans alınan ayrık doküman-yazar-konu çizgeleri, konu modellemesi tekniklerini
esas almaktadır. Bu yaklaşım, konu sorgularını ve dokümanları aynı konu modellemesi
sürecinde göz önünde bulundurmamakta, sadece dokümanları konu modellemesi
sürecinde dikkate almaktadır. Bunun sonucunda, konu sorguları ve dokümanlar
arasındaki ili¸skiler zayıf kalmaktadır. Bu tezde, alan kısıtlı Latent Dirichlet Allocation
(LDA) kullanan bir konu modellemesi ve zamana dayalı birle¸sik yazar-doküman-konu
çizgeleri temelli yeni bir uzman bulma sistemi önerilmektedir. Önerilen sistem
ArnetMiner ve UVT veri setleri üzerinden test edilmiş ve temel aldığı ayrık yazar-doküman-
konu yaklaşımından daha iyi sonuç vermiştir.
|
|
Expert finding is a challenging research topic due to fast paced technological development
resulting in changes in people's expertise areas in time. However, the majority
of the studies in the literature about expert finding systems do not take into account
such temporal changes. For example, probabilistic models, which are widely used in
this domain, are based on word or term associations between queries and documents.
On the other hand, separated author-document graphs, which are used as baseline
approach in this thesis, are based on topic modeling techniques. This approach does
not take into consideration both queries and documents in the same topic modeling
process, but it considers only documents in topic modeling process. As a result, it
impairs relations between topic queries and documents. In this thesis, a novel expert
finding system which uses domain limited Latent Dirichlet Allocation (LDA) based
topic modeling and dynamic, united author-document-topic graphs is proposed. The
proposed method is tested with ArnetMiner and UVT datasets and outperforms the
baseline separated author-document-topic approach. |