Tez No	İndirme	Tez Künye	Durumu
269542		A content based movie recommendation system empowered by collaborative missing data prediction / İşbirlikçi eksik veri tahmini yoluyla desteklenmiş içerik tabanlı film öneri sistemi Yazar:HİLAL KARAMAN Danışman: DOÇ. DR. FERDA NUR ALPASLAN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Bölümü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Yüksek Lisans İngilizce 2010 116 s.
Internet, geçirdiği evrim sonucunda bizleri farklı özelliklere sahip müzik, film, kitap, web sayfaları gibi birçok bilgi kaleminin sunulduğu bir dünyaya getirmiştir. Bu devasa öğeler evreninin bir sonucu olarak, insanların kafası karışmaya ve "Hangisini seçmeliyim?" sorusu akıllara takılmaya başlamıştır. Tavsiye Sistemleri, seçilmesi gereken öğeler hakkındaki bocalama sorununu ele almakta olup, belirli bir bilgi filtreleme tekniği ile bilgileri filtrelemekte, kullanıcıların ilgisini çekmesi muhtemel olan öğeleri onlara sunmaktadır. Öneri sistemlerinde yoğunlukla kullanılan içerik tabanlı ve işbirlikçi teknikler de içinde olmak üzere, tavsiye üretmek için kullanılabilecek çeşitli bilgi filtreleme teknikleri ortaya atılmıştır. Bu tez çalışması, işbirlikçi ve içerik tabanlı filtreleme yöntemlerinin her ikisine de dayanan bir film öneri sistemi olan ReMovender'ı tanıtmaktadır. Bu çalışmanın ayırt edici noktaları, kullanıcılar arasında ilişki kurma yöntemi ve filmlerin içerik bilgilerinin kullanılma şeklidir. ReMovender, kullanıcılara filmleri bir ve beş aralığındaki oylarla oylama fırsatı vermektedir. Eksik verileri tamamlamak amacıyla, bu oy bilgilerini işbirlikçi yöntemle kullanıcılar arasında benzerlik bulmada kullanmaktadır. İçerik tabanlı kısımda ise, filmlerin içerik bilgileri kullanılarak bu filmler ilişkilendirilmekte ve kullanıcılara öneriler sunulmaktadır.
The evolution of the Internet has brought us into a world that represents a huge amount of information items such as music, movies, books, web pages, etc. with varying quality. As a result of this huge universe of items, people get confused and the question ?Which one should I choose?? arises in their minds. Recommendation Systems address the problem of getting confused about items to choose, and filter a specific type of information with a specific information filtering technique that attempts to present information items that are likely of interest to the user. A variety of information filtering techniques have been proposed for performing recommendations, including content-based and collaborative techniques which are the most commonly used approaches in recommendation systems. This thesis work introduces ReMovender, a content-based movie recommendation system which is empowered by collaborative missing data prediction. The distinctive point of this study lies in the methodology used to correlate the users in the system with one another and the usage of the content information of movies. ReMovender makes it possible for the users to rate movies in a scale from one to five. By using these ratings, it finds similarities among the users in a collaborative manner to predict the missing ratings data. As for the content-based part, a set of movie features are used in order to correlate the movies and produce recommendations for the users.