Araştırma Makalesi
PDF EndNote BibTex RIS Kaynak Göster

Yeni Bir İçerik-Tabanlı Akademik Makale Tavsiye Sistemi Prototipi Geliştirilmesi

Yıl 2021, Cilt 2, Sayı 2, 6 - 11, 31.05.2021

Öz

Dijital bilgi ve ziyaretçi sayısındaki hızlı artış, ilgi çekici öğelere erişimde zaman kaybına neden olmaktadır. Aşırı bilgi yükünü hafifletmek için, bilgiyi filtreleme ve önceliklendirme ile verimli bir şekilde sunmak gerekir. Bu durum tavsiye sistemlerinin ortaya çıkmasını ve önem kazanmasını sağlamıştır. Öneriler, kullanıcılara kişiselleştirilmiş ürün veya hizmet sunmak gibi amaçlarla oluşturulur. Tavsiye sistemleri kitap, müzik, film, ticari ürünler ve akademik makale gibi farklı sistem uygulamalarında karşımıza çıkmaktadır. Özellikle akademik alanda dijital bilimsel içeriğin genişlemesi, tavsiye sistemlerinin önemini vurgulamaktadır. Akademik makale tavsiye sistemlerinde, çeşitli yöntemler uygulanmaktadır. Bu çalışmada ise, başlık ve özet bilgileri ile girdi olarak alınan herhangi bir makaleye en benzer makaleleri listeleyen yeni bir içerik-tabanlı akademik tavsiye sistemi prototipi tanıtılmaktadır. Farklı veri işleme yöntemleri ile oluşturulan öneri listeleri kıyaslanarak prototipin başarımı değerlendirilmektedir.

Kaynakça

  • Ruotsalo, Tuukka. (2010). Methods and applications for ontology-based recommender systems.
  • Lu, Jie & Wu, Dianshuang & Mao, Mingsong & Wang, Wei & Zhang, Guangquan. (2015). Recommender System Application Developments: A Survey. Decision Support Systems. 74. 10.1016/j.dss.2015.03.008.
  • Beel J, Gipp B, Langer S, Breitinger C. Paper recommender systems: a literature survey. International Journal on Digital Libraries 2016; 17 (4): 305-338.
  • Ricci F, Rokach L, Shapira B. Introduction to Recommender Systems Handbook. Recommender Systems Handbook; 2011. p. 1-35
  • Schafer JB, Frankowski D, Herlocker J, Sen S. Collaborative filtering recommender systems. In: The Adaptive Web; Berlin, Germany; 2007. pp. 291-324.
  • X. Bai, M. Wang, I. Lee, Z. Yang, X. Kong and F. Xia, "Scientific Paper Recommendation: A Survey," in IEEE Access, vol. 7, pp. 9324-9339, 2019.
  • P. Lops, M. Gemmis, and G. Semeraro, “Content-based recommender systems: State of the art and trends,” Recommender Systems Handbook, pp. 73–105, 2011.
  • Liu C. The proximity of co-citation. Scientometrics 2012; 91 (2): 495-511.
  • Liu S, Chen C. The effects of co-citation proximity on co-citation analysis. In: 13th International Conference of the International Society for Scientometrics and Informetrics; Durban, South Africa; 2011. pp. 474-484.
  • ARXIV. (2020). Retrieved from https://www.kaggle.com/neelshah18/arxivdataset
  • Ahmad, Shahbaz & Afzal, Muhammad. (2017). Combining Co-citation and Metadata for Recommending More Related Papers. 218-222.
  • Otair, Mohammed. (2013). Comparative Analysis of Arabic Stemming Algorithms. International Journal of Managing Information Technology.
  • Porter, M.F.. (2006). An algorithm for suffix stripping. Program. 14. 130-137.

The Development of a Novel Content-Based Academic Paper Recommendation System

Yıl 2021, Cilt 2, Sayı 2, 6 - 11, 31.05.2021

Öz

The rapid increase in digital information and visitors' number causes a waste of time to access attractive items. To alleviate information overload, it is necessary to present information with filtering and prioritization efficiently. This situation has enabled the recommender systems to emerge and gain importance. Suggestions are created to provide users with personalized products or services. Recommendation systems appear in different system applications such as books, music, movies, commercial products, and academic articles. The expansion of digital scientific content emphasizes the importance of recommendation systems, especially in the academic field. Various methods are used in academic article recommendation systems. In this study, a new content-based academic recommendation system prototype is introduced that lists the articles most similar to any given input with title and summary information. The performance of the prototype is evaluated by comparing the suggestion lists created with different data processing methods.

Kaynakça

  • Ruotsalo, Tuukka. (2010). Methods and applications for ontology-based recommender systems.
  • Lu, Jie & Wu, Dianshuang & Mao, Mingsong & Wang, Wei & Zhang, Guangquan. (2015). Recommender System Application Developments: A Survey. Decision Support Systems. 74. 10.1016/j.dss.2015.03.008.
  • Beel J, Gipp B, Langer S, Breitinger C. Paper recommender systems: a literature survey. International Journal on Digital Libraries 2016; 17 (4): 305-338.
  • Ricci F, Rokach L, Shapira B. Introduction to Recommender Systems Handbook. Recommender Systems Handbook; 2011. p. 1-35
  • Schafer JB, Frankowski D, Herlocker J, Sen S. Collaborative filtering recommender systems. In: The Adaptive Web; Berlin, Germany; 2007. pp. 291-324.
  • X. Bai, M. Wang, I. Lee, Z. Yang, X. Kong and F. Xia, "Scientific Paper Recommendation: A Survey," in IEEE Access, vol. 7, pp. 9324-9339, 2019.
  • P. Lops, M. Gemmis, and G. Semeraro, “Content-based recommender systems: State of the art and trends,” Recommender Systems Handbook, pp. 73–105, 2011.
  • Liu C. The proximity of co-citation. Scientometrics 2012; 91 (2): 495-511.
  • Liu S, Chen C. The effects of co-citation proximity on co-citation analysis. In: 13th International Conference of the International Society for Scientometrics and Informetrics; Durban, South Africa; 2011. pp. 474-484.
  • ARXIV. (2020). Retrieved from https://www.kaggle.com/neelshah18/arxivdataset
  • Ahmad, Shahbaz & Afzal, Muhammad. (2017). Combining Co-citation and Metadata for Recommending More Related Papers. 218-222.
  • Otair, Mohammed. (2013). Comparative Analysis of Arabic Stemming Algorithms. International Journal of Managing Information Technology.
  • Porter, M.F.. (2006). An algorithm for suffix stripping. Program. 14. 130-137.

Ayrıntılar

Birincil Dil Türkçe
Konular Bilgisayar Bilimleri, Bilgi Sistemleri
Bölüm Araştırma Makaleleri
Yazarlar

Veysel Karani ÖZ>
ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
0000-0001-9841-3679
Türkiye


Emine DENİZ>
ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
0000-0003-1617-2483
Türkiye


Sinem BOZKURT KESER> (Sorumlu Yazar)
ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
0000-0002-8013-6922
Türkiye


Yusuf KARTAL>
ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
0000-0002-0402-1701
Türkiye


Savaş OKYAY>
ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ
0000-0003-3955-6324
Türkiye

Destekleyen Kurum Eskişehir Osmangazi Üniversitesi Bilimsel Araştırma Projeleri
Proje Numarası 1541
Yayımlanma Tarihi 31 Mayıs 2021
Gönderilme Tarihi 23 Şubat 2021
Kabul Tarihi 8 Nisan 2021
Yayınlandığı Sayı Yıl 2021, Cilt 2, Sayı 2

Kaynak Göster

APA Öz, V. K. , Deniz, E. , Bozkurt Keser, S. , Kartal, Y. & Okyay, S. (2021). Yeni Bir İçerik-Tabanlı Akademik Makale Tavsiye Sistemi Prototipi Geliştirilmesi . Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi , 2 (2) , 6-11 . Retrieved from https://dergipark.org.tr/tr/pub/estudambilisim/issue/62551/884969

Dergimiz Index Copernicus, ASOS Indeks, Google Scholar ve ROAD indeks tarafından indekslenmektedir.