Tez Arşivi

Hakkımızda

Tez aramanızı kolaylaştıracak arama motoru. Yazar, danışman, başlık ve özete göre tezleri arayabilirsiniz.


Ege Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Anabilim Dalı / Bilgisayar Mühendisliği Bilim Dalı

Tercih yönetimi ve profilleme ile sosyal ağlarda anlamsal yakınlık bulunması

Finding semantic similarity in social networks by using preference management and profiling

Teze Git (tez.yok.gov.tr)

Bu tezin tam metni bu sitede bulunmamaktadır. Teze erişmek için tıklayın. Eğer tez bulunamazsa, YÖK Tez Merkezi tarama bölümünde 592687 tez numarasıyla arayabilirsiniz.

Özet:

Günümüzde internet ve sosyal ağlar, bir iletişim ve bilgi alma aracı olarak giderek daha fazla hayatımızda yer almaktadır. Sosyal ağlar içerisinde üretilen verinin hacmi, ciddi boyutlara ulaşmış ve devamlı artmaktadır. Bu kadar büyük miktarda verinin saklanması, yönetilmesi ve daha akıllı kararlar için kullanılması, insanların gündelik hayatını kolaylaştıracak etkiler yapmaktadır. Bu etkilerin doğruluğu, internet ve sosyal ağları kullanan kişilerin kişisel tercihlerinin ifade edilmesi ile mümkündür. Kişisel tercihler, kişilerin sosyal ağlar içerisindeki etkileşimlerinin kayıt altına alınması ile yakalanmakta ve daha sonrasında kişiler için özel hizmetlerin oluşturulması için kullanılmaktadır. Anlamsal Web, verinin ortak bir gösterim ile ifade edilmesi ve bu sayede bilgisayarlar tarafından da yorumlanabilmesini amaçlamaktadır. Anlamsal Web uygulamaları, verinin gösterimini ontolojiler içerisinde gerçekleştirmektedir. Kişisel tercihlerin de ontolojiler içerisinde ifade edilmesi ve yönetilmesi, farklı sosyal ağlar içerisinde saklanan kişisel verinin, akıllı kararlar alınabilmesi amacıyla kullanılabilmesini sağlamaktadır. İnsanlar her zaman kendilerine benzer kişiler ile bir arada bulunmayı isterler. Farklılıkların bulunduğu bir ortam içerisinde bulunmak, kişinin bu farklılıklara adapte olması için çaba göstermesini gerektirir. Kişiler arasındaki benzerlik, bu farklılıkların ortaya konma ve saklanmasıdır. Benzerlik kavramı bir çok farklı alanda, kişilere daha iyi hizmet verebilmek amacıyla kullanılmaktadır. Benzer kişilerin bulunması ve bu kişilere daha doğru önerilerde bulunulması, bu kişiler için daha kişiselleştirilmiş hizmetler verilmesini sağlar. Ancak, kişilerin benzerliğinin elde edilmesi, bu kişilerin davranışlarının modellenmesi ve ifade edilmesi ile mümkündür. Benzerlik bu ifadelerin karşılaştırılması ve birbirine benzer olan davranışların yakalanması ile sağlanmaktadır. Bu tez kapsamında kişilerin sosyal ağlar içerisindeki davranışları tercihler içerisinde modellenerek, kişiler arasındaki anlamsal benzerliğin bulunması için bir yöntem önerilmektedir. Bu yöntemin sosyal ağlar içerisinde uygulanabilmesi amacıyla, kişisel tercihlerin ontolojiler içerisindeki varlıklar ile eşleştirilmesini sağlayan ontoloji tabanlı bir varlık anlamsallaştırma yöntemi tanımlanmıştır. Bu yöntemin başarısı, literatürdeki benzer çalışmalar ile karşılaştırılmış ve yöntemin en iyi sonucu verdiği görülmüştür. Anlamsallaştırma sonucunda kişisel tercihlerin ontolojiler içerisindeki varlıklar olarak ifade edildiği ve profiller içerisinde saklandığı, bütünleşik bir ontoloji veri kümesi oluşturulmuştur. Sosyal anlamsal benzerlik yöntemi, bu veri kümesi üzerinde seçilen farklı örneklemler için uygulanmıştır. Yöntemin başarısı, anlamsallaştırma içermeyen verinin kullanılması ile elde edilen basit benzerlik ve yarı yapısal veri kullanılarak elde edilen sayfa benzerliği ile sınanmıştır.

Summary:

Today, internet and social networks are involved more and more in our daily lives as a means of communication and information tool. Volume of data generated in social networks has reached critical levels and continues to increase. Storage and management of such huge data to make smart decisions creates effects to ease daily lives of people. The accuracy of these effects is possible by expressing the personal preferences of people using Internet and social networks. Personal preferences are captured by observing and recording of the interactions between social network users and social network items and later used to create personal services for individuals. Semantic web aims to represent data in a common representation to make it interoperable for computers. Inside semantic web applications, data is represented inside ontologies. Expressing and managing personal preferences inside ontologies enables personal data stored in different social networks to be used in smart decisions. People always wants to be with someone they felt similar to. Being in an environment that includes differences enforce people to adapt these differences to blend in. The similarity between people is to expose and store these differences. The concept of similarity is used to give better services to people among different fields. Finding similar people and creating the more accurate recommendation for these people results as better personalized services. However, personal similarity can be achieved by modeling and representing of individual's behaviors. On the contrary, similarity is achieved by comparison of these representations and capturing similar behaviors. In this thesis, a new method to find semantic similarities among people is introduced by modeling the behaviors of people in social networks inside preferences. In order to apply this method in social networks, an ontology-based entity semantification method that provides matching of personal preferences with entities in ontologies has been defined. The success of this method is tested with similar works in literature and conclude that our method gave the best results. As a result of semantification, an integrated ontology dataset was created in which personal preferences are represented as entities inside ontologies and stored in personal profiles. Social semantic similarity method is applied to selected samples of this dataset. The success of the method was tested by simple similarity obtained by using non-semantic data and page similarity obtained by using semi-structural data.