Tez No	İndirme	Tez Künye	Durumu
383305		A user modeling and recommendation system by means of social networks / Sosyal ağlar yardımıyla kullanıcı modelleme ve tavsiye sistemi Yazar:ALİ KARAKAYA Danışman: PROF. DR. FEHİME NİHAN ÇİÇEKLİ Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Yüksek Lisans İngilizce 2014 76 s.
Bu tezde, kullanıcıların sosyal ağlardaki aktivitelerini takip ederek kullanıcıların tercihlerini modellemek için kullanıcı profilleri oluşturan bir sistemin tasarlanması amaçlanmaktadır. Özellikle, Facebook ve Twitter sosyal ağ olarak dikkate alınmıştır. Elde edilen kullanıcı profilleri bir tavsiye sistemi uygulamasında kullanılmıştır. Sosyal ağlardan elde edilen kullanıcı verileri, çevrimiçi ve açık bir kütüphane olan Freebase'deki kavramlarla zenginleştirilmiş ve zenginleştirilen veriler vektör ve çizge tabanlı kullanıcı modellerinde kullanılmıştır. Bu tez çalışmasında tasarladığımız içerik tabanlı, işbirlikçi ve hibrit tavsiye algoritmaları, oluşturulan kullanıcı modellerinden yararlanmıştır. Tavsiye sistemimizce üretilen öneriler, kullanıcılara anket olarak sunularak kullanıcı modellerinin başarımı değerlendirilmiştir. Sonuçlar anlamsal olarak zenginleştirilmiş kullanıcı profillerini kullanan tavsiye sisteminin, kullanıcılara yüksek oranda doğru tavsiyelerde bulunduğunu göstermiştir.
In this thesis, it is aimed to design a system which builds user profiles to model users' preferences by tracking the activities of the users on social networks. Specifically, Facebook and Twitter are considered as the social networks. The extracted user profiles are used in a recommendation system application. The user data collected from the social networks is enriched with the concepts in Freebase which is an online and public library, and then the enriched data is used to create vector-based and graph-based user models. Content-based, collaborative and hybrid recommendation algorithms that are implemented in this thesis utilize the created user profiles. The suggestions generated by the recommender system are presented to subjects through a survey to evaluate the performance of the user models. Results show that the recommender system using the semantically enriched user profiles provides a high rate of correct suggestions to the users.