Personalized News Recommendation System
| dc.authorid | 0000-0001-9655-2886 | en_US |
| dc.authorid | 0000-0002-1941-6693 | en_US |
| dc.contributor.author | Özkara, Melis | |
| dc.contributor.author | Turan, Metin | |
| dc.date.accessioned | 2023-05-04T11:01:29Z | |
| dc.date.available | 2023-05-04T11:01:29Z | |
| dc.date.issued | 2023 | en_US |
| dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı | en_US |
| dc.description.abstract | Recommendation Systems are the methods that suggest the next choices of the user in a predictable way, based on the preferences made by the user before. This method is become even more popular nowadays and it can be applied to any topic or field that needs future estimation evaluating the data at hand. It is a kind of information extraction study. Furthermore, the fact that Amazon receives about 35% of its revenue from referral systems is an indication of how important this method is. However, news recommendation system, which is a similar application area, is not also widely used as others. In this study, it is aimed to design a news recommendation system by considering the sites the user enters, the words that they searched for and bookmarks. Considering the previous news recommendation systems, this study is an untested original study. The machine learning model has been trained with a data set that includes news categories and news content in order to present the news to the user as interested. By giving the data from the user environment to the trained model, the found interested categories of the user is processed instantly by the RSS (Rich Site summary). This news selected from RSS are shown to the user in order of priority regarding the daily news agenda. The real user test showed impressive accuracy as 89%. This solution presents a content-based recommendation system as nature of the problem. | en_US |
| dc.description.abstract | Öneri Sistemleri, kullanıcının daha önce yapmış olduğu tercihlere dayalı olarak, kullanıcının bir sonraki tercihlerini öngörülebilir bir şekilde öneren yöntemlerdir. Bu yöntem günümüzde daha da popüler hale gelmiştir ve eldeki verileri değerlendirerek geleceğe yönelik tahmin gerektiren herhangi bir konu veya alana uygulanabilir. Bir tür bilgi çıkarma çalışmasıdır. Ayrıca Amazon'un gelirinin yaklaşık %35'ini yönlendirme sistemlerinden elde etmesi bu yöntemin ne kadar önemli olduğunun bir göstergesidir. Ancak benzer bir uygulama alanı olan haber tavsiye sistemi de diğerleri kadar yaygın olarak kullanılmamaktadır. Bu çalışmada, kullanıcının girdiği siteler, aradığı kelimeler ve yer imleri dikkate alınarak bir haber öneri sistemi tasarlamak amaçlanmıştır. Geçmiş haber öneri sistemlerine bakıldığında bu çalışma denenmemiş özgün bir çalışmadır. Haberleri kullanıcıya ilgili olarak sunabilmek için makine öğrenmesi modeli, haber kategorilerini ve haber içeriklerini içeren bir veri seti ile eğitilmiştir. Kullanıcı ortamından gelen veriler eğitilen modele verilerek, kullanıcının bulunan ilgili kategorileri RSS (Rich Site Summary) tarafından anlık olarak işlenir. RSS'den seçilen bu haberler, günlük haber gündemine göre öncelik sırasına göre kullanıcıya gösterilir. Gerçek kullanıcı testi %89 gibi etkileyici bir doğruluk gösterdi. Bu çözüm, sorunun doğası gereği içerik tabanlı bir öneri sistemi sunar. | en_US |
| dc.identifier.doi | 10.56809/icujtas.1193993 | en_US |
| dc.identifier.endpage | 133 | en_US |
| dc.identifier.issue | 2 | en_US |
| dc.identifier.startpage | 123 | en_US |
| dc.identifier.uri | https://hdl.handle.net/11467/6587 | |
| dc.identifier.uri | https://doi.org/10.56809/icujtas.1193993 | |
| dc.identifier.volume | 5 | en_US |
| dc.language.iso | en | en_US |
| dc.publisher | İstanbul Ticaret Üniversitesi | en_US |
| dc.relation.ispartof | İstanbul Ticaret Üniversitesi Teknoloji ve Uygulamalı Bilimler Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - İdari Personel ve Öğrenci | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Personalized News Recommendation System, Recommendation Systems, NLP, Machine Learning. | en_US |
| dc.subject | Kişisel Haber Tavsiye Sistemi, İçerik Tabanlı Tavsiye Sistemleri, NLP. | en_US |
| dc.title | Personalized News Recommendation System | en_US |
| dc.type | Article | en_US |
