Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/7847
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÖzyer, Tansel-
dc.contributor.authorDuman, Çağlar-
dc.date.accessioned2021-12-02T17:20:13Z-
dc.date.available2021-12-02T17:20:13Z-
dc.date.issued2011-
dc.identifier.citationDuman, Çağlar. (2011). Ağırlıklı kapsam yoğunluğu algoritması yaklaşımı ile RSS tabanlı haber tavsiye sistemi. (Yayınlanmamış Yüksek Lisans Tezi). TOBB Ekonomi ve Teknoloji Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=zqI_ZOq-b18GC2rT9c2JGohfza6ObwpsgGKFp3lNY_-0GLU3CYBM6AufS5FbADfw-
dc.identifier.urihttps://hdl.handle.net/20.500.11851/7847-
dc.descriptionYÖK Tez No: 295507en_US
dc.description.abstractGünümüzde internetin yaygınlaşması ile birlikte yapısal olmayan verilerin özellikle de metinsel verilerin miktarı çok fazla artmıştır. Haber siteleri metinsel verilerin en önemli örneğidir. Veritabanlarında, internet ve intranetlerde çok büyük miktarda haber bilgileri depolanır. Bu bilgiler dokümanlarda veya metin dokümanlarında tutulmaktadır. Bu bilgilerden önemli bilgiler çıkartmak, işimize yarayan haber metinlerini çekerek kişinin haber alışkanlığını öğrenmek esas problemimizdir.Bu tezde metin halindeki veriye erişimi kolaylaştıran, zaman ve hız kazandıran metin kategorizasyon tekniği olan ağırlıklı kapsam yoğunluğu ağırlıklandırma algoritması incelenmiş olup, bu teknik kullanılarak rss tabanlı dinamik içerikli, içeriği farklı haber sitelerinin farklı kategorilerinde yer alan haberleri tarayarak, kullanıcının okuduğu benzer haberleri dinamik olarak kümeleyen, kullanıcının haber alışkanlığını öğrenen, gerekli gruplara göre okuyabileceği haberleri tavsiye eden akıllı bir sistem gerçekleştirilmiştir.en_US
dc.description.abstractToday the amount of non-structural data, especially textual data, significantly increased due to become widespread of internet. News portals are the most important examples of textual data. Huge amount of news documents are stored in databases, internet and intranet. This information is kept in a document, or text documents. Our primary problem is to extract significant information and obtain the documents that we need. The main aim is to learn the people?s preferences and habits of reading news documents.In this thesis, weighted coverage density, which is a timesaving text categorization technique, enabling access to data in text form, algorithm was analyzed. Accordingly an rss-based smart system with dynamic content, a system that dynamically aggregates the similar news read by the users by searching the news included in different categories of the news sites with different contents that determines news habits of the user and recommends the news that might be read in accordance with the related groups, was developed.en_US
dc.language.isotren_US
dc.publisherTOBB Ekonomi ve Teknoloji Üniversitesien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleAğırlıklı Kapsam Yoğunluğu Algoritması Yaklaşımı ile Rss Tabanlı Haber Tavsiye Sistemien_US
dc.title.alternativeRss Based News Recommendation System With a Weighted Coverage Density Algorithm Approachen_US
dc.typeMaster Thesisen_US
dc.departmentInstitutes, Graduate School of Engineering and Science, Computer Engineering Graduate Programsen_US
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıtr_TR
dc.identifier.startpage1en_US
dc.identifier.endpage127en_US
dc.institutionauthorDuman, Çağlar-
dc.relation.publicationcategoryTezen_US
item.openairetypeMaster Thesis-
item.languageiso639-1tr-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
Appears in Collections:Bilgisayar Mühendisliği Yüksek Lisans Tezleri / Computer Engineering Master Theses
Files in This Item:
File SizeFormat 
295507.pdf4.45 MBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

162
checked on Dec 23, 2024

Download(s)

44
checked on Dec 23, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.