Tavsiye sistemleri ile kullanıcı davranışlarına uygun reklam seçimi
Advertisement selection based on user behavior by recommender systems
- Tez No: 574335
- Danışmanlar: DOÇ. DR. UĞUR ÖZCAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Reklamcılık, Endüstri ve Endüstri Mühendisliği, Computer Engineering and Computer Science and Control, Advertising, Industrial and Industrial Engineering
- Anahtar Kelimeler: Sayısal reklamcılık, İnternet reklamları, Digital advertising, Internet advertisings
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çevrimiçi reklamcılık alanında, uygun reklamı seçerek hedef kullanıcıya göstermek oldukça önemli fakat bir o kadar da zor bir görevdir. Geleneksel hedefleme yöntemlerinin başarılı sonuçlar vermesine rağmen, bu yöntemler de tüm kullanıcılar için farklı reklamları etkili bir şekilde seçememektedir. Bu çalışmada, çevrimiçi reklam veri kümeleri üzerinde tavsiye sistemlerinde kullanılan işbirlikçi filtreleme yöntemleri uygulanmaktadır. Aynı zamanda kullanıcılara farklı ve etkili reklamlar önermek için yeni bir yöntem önerilmektedir. İkili kümeleme yönteminin ve sıralı ağırlıklı ortalama birleştirme operatörünün kullanımına dayanan bu yöntem ile kullanıcıların reklamlarla ilgili bir geçmişi olmasa bile gezinti geçmişleri yardımıyla işbirlikçi bir şekilde reklam tavsiyesinde bulunulabilmektedir. İşbirlikçi filtreleme yöntemlerinin ve de önerilen yöntemin farklı deneysel kurulumlar ile elde edilmiş çevrimdışı değerlendirme sonuçları paylaşılmaktadır. Bu çalışmada elde edilen sonuçlar, işbirlikçi filtreleme yöntemlerinin reklam tavsiyesinde etkili bir araç olarak kullanılabileceği tekrarlamakta ve önerilen yöntemin özellikle gezinme geçmişi gibi kullanıcı davranışlarının iyi bilindiği sistemlerde daha başarılı sonuçlar vereceğini göstermektedir.
Özet (Çeviri)
In online advertising, it is crucial to show relevant advertisements to target users. However, this is a challenging process. Although conventional targeting approaches yield useful results, they cannot effectively select different advertisements for all users. In this study, collaborative filtering techniques are explored on online advertisement data sets. Also, a new method is proposed to recommend different and compelling advertisements to users. The proposed method, which is based on biclustering and ordered weighted average aggregation operators, can address circumstances such as the lack of implicit feedback on advertisements. Results of the offline analysis of the proposed method and other collaborative filtering methods are presented. It is shown that collaborative filtering methods are beneficial and that the proposed method provides better results, especially in systems where users' behaviors, like their navigation histories, are well known.
Benzer Tezler
- Zamana bağlı işbirlikçi filtreleme
Collaborative filtering with temporal dynamics
ÇİĞDEM BAKIR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Genelleştirilmiş takım geometrisi ile frezeleme mekaniğinin ve dinamiğinin incelenmesi
Mechanics and dynamics of milling with generalized geometry
ŞERAFETTİN ENGİN
- CFD simulation of multiphase sulphur removal reactor SAMUM
SAMUM multifaz kükürt temizleme reaktörünün CFD simülasyonu
MERT ERDOĞAN
Yüksek Lisans
İngilizce
2016
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSNÜ ATAKÜL
- Developing a life insurance recommendation system using machine learning methods
Makine öğrenme yöntemleri kullanarak hayat sigortası öneri sistemi geliştirmesi
ASLI HAZAL AKALTUN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DOÇ. DR. TEVFİK AYTEKİN