Özet:
İşbirlikçi filtreleme (CF), çok sayıda kullanıcının beğenilerini toplayarak, bir kullanıcının
ilgilenebilecekleri hakkında tahminlerde bulunmaya dayalı bir tavsiye yöntemidir.
İşbirlikçi tekniğinin kullanımında karşılaşılan en önemli problemlerden bazıları veri
seyrekliğin dolayı ortaya çıkan soğuk başlangıç (cold-start) problemi oluşması ve kişiye
özel öneriler yapılamamasıdır. Bunun sonucu olarak CF tabanlı tavsiye sistemlerinin
ürettiği önerilerin başarım oranlarının arttırılması aktif araştırma alanları arasında yer
almaktadır. Bu araştırma kapsamında önerdiğimiz yöntem, CF tekniğindeki bu
eksikliklerin giderilmesi ve tavsiye sisteminin başarım oranının arttırılması için,
Durumsal Tabanlı Çıkarsama (CBR) ve ontolojik veri zenginleştirme yöntemi kullanılarak
hibrit bir yaklaşım yöntemi sunmaktadır. Geliştirdiğimiz hibrit tavsiye sisteminin
kullanılabilirliğini göstermek adına önerilen yöntemi kullanan bir müzik dinleme
asistanı geliştirilmiştir.
