Predicting TV rating of Turkish television series using machine learning techniques
Türk televizyon dizi reytinglerinin makine öğrenmesi teknikleri kullanılarak tahmin edilmesi
- Tez No: 641553
- Danışmanlar: DR. ÖĞR. ÜYESİ TAYFUN KÜÇÜKYILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Radyo-Televizyon, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Radio and Television, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dizi film, Diziler, Google Trends, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Reyting, Reyting ölçüm sistemi, Televizyon dizileri, Serial film, Serials, Google Trends, Machine learning, Machine learning methods, Reiting, Reiting measurement system, Television serials
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Ted Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Uygulamalı Veri Bilimi Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
TV reytingi evinde televizyon olan hanelerin bir televizyon programının yaklaşık izleme oranlarının tespiti için kullanılan sayısal bir kavramdır. Medya yatırımlarında en büyük payı olan televizyonun yatırım planlamaları ratinglere göre yapılmaktadır. Bu çalışmanın amacı Türk TV dizilerinin reytinglerini veri madenciliği teknikleri kullanarak uygulanabilir bir şekilde tahmin edebilen bir model geliştirmektir. Bu şekilde, TV yatırımlarının risklerinin azaltılmasına katkı sağlanabileceği planlanmaktadır. Bu kapsamda, 2014-2018 yılları arasında prime-time yayın akışında yer alan TV dizileri için makine öğrenmesi tekniklerini kullanarak tahminleme modelleri geliştirilmiştir. Çalışmada 4 farklı model tasarlanmıştır. Bu modellerin arasındaki temel farklıllık kullanılan özniteliklerdir. Kullanılan özellikler zaman bazlı, bölüm bazlı, dizi özellikleri, ve sosyal medyadaki dizi etkisi (Google Trends) adları altında dört grupta toplanabilir. Yapılan deneylerde geleceğe yönelik özniteliklerin de modelde kullanıması ile teorik model başarısı belirlenmiş, ardından kulanılabilir, pratik modeller geliştirilerek tahmin başarıları karşılaştırılmıştır. Deneyler sonucunda teorik modellerle %1.46 pratik modellerle ise %5.2 hata payı elde edilmiştir.
Özet (Çeviri)
TV rating is a numeric estimate of the popularity of TV programs in households with a television. Investment planning of television media, which is the biggest shareholder of media investments, is made according to TV ratings. The aim of this study is to develop a machine learning model that can predict the TV ratings of Turkish TV series in a practical manner. Better forecast of TV ratings has the potential to reduce the risks of TV investments. In this context, four prediction models were developed by using machine learning techniques for TV series in the prime-time broadcast between 2014-2018 in this study. The main distinction between these models is the attributes that represent a TV program. The attributes that are used in this study can be categorized as: time-based, episode-based, series-based, and program impact on social media-based (represented using Google Trends) attributes. In the experiments, a theoretical forecast performance is established first by using time-based attributes that factors in the future changes in the TV program, which is then used as a baseline for comparison with practical forecast models. The experiments show that, the proposed models can achieve up to 1.46% error rate for theoretical models and 6.6% error rate for practical models.
Benzer Tezler
- Twitter verileri ile türk televizyonları izlenme oranı sıralamaları tahmini
Predicting turkish television rating results with twitter data
CENK AKARSU
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BANU DİRİ
- 3-6 yaş arası otizm spektrum bozukluğu olan hastalardaki serum raftlin düzeylerinin sağlıklı kontrollerle karşılaştırılması
Comparison of serum raftlin levels in patients with autism spectrum disorder between 3-6 years of age with healthy controls
PINAR AYAROĞLU
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık Bilimleri ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. MEHMET AYHAN CÖNGÖLOĞLU
- Yavaş Bilişsel Temponun eşlik ettiği Dikkat Eksikliği Hiperaktivite Bozukluğu tanılı 8-12 yaş arasındaki çocuklarda klinik ve nörobilişsel özelliklerin belirlenmesi ve DEHB ve DEHB+KOKGB tanılı çocuklarla karşılaştırılması
Determination of clinical and neurocognitive characteristics in children between 8-12 years diagnosed with Attention Deficit Hyperactivity Disorder with Sluggish Cognitive Tempo and comparison to children with ADHD and with ADHD+ODD
SEVİM BERRİN İNCİ İZMİR
Doktora
Türkçe
2023
PsikolojiIşık ÜniversitesiKlinik Psikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEKERİYA DENİZ AKTAN
- Okul öncesi kaynaştırma ortamlarındaki otizm spektrum bozukluğu olan çocukların katılımları ve farklı değişkenlerle ilişkisi
Engagement of children with autism spectrum disorders in preschool inclusion environments and its relationship with different variables
FADİME YANAÇ TAYLAN
Yüksek Lisans
Türkçe
2021
Eğitim ve ÖğretimAnkara ÜniversitesiÖzel Eğitim Ana Bilim Dalı
PROF. DR. HATİCE BAKKALOĞLU
- Epileptik nöbet geçiren-sağlıklı çocuğu olan annelerin tükenmişlik düzeylerinin farklı değişkenler açısından incelenmesi
Studying of burnt out levels of mothers of with children having epileptic seizures and healthy children with respect to different variables
SEVİL AKMAN