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.