Although there are great efforts to enhance the current physical and MAC layers of
wireless multihop networks, the performance of these networks still depends on the
efficiency of the routing process in selecting the optimal path routes. In fact, selecting the
optimal routes depends on the weights (costs) of the link / hops, which are determined by
some routing metrics, among the nodes within a network. Each routing metrics involves
a set of measurements that are mathematically merged in order to pick up the link quality.
Within this context, routing metrics play an essential role in characterizing the links /
hops, and hence the efficiency of routing decision. Several metrics are available in
literature, which are utilized to capture single or multiple characteristics such as delivery
ratios, radio resource utilization, and interferences for each link within a network.
However, the reliability of the channels within a network is out of the sight of these
metrics. In this thesis, we try to use a novel mathematical method to redefine the ETX
routing metric. Moreover, we try to modify the ETX in order to be able to detect the
reliability of the forward and reverse channels of any links within the network. The new
routing metric that is called dynamic ETX (DETX) will help the routing protocols to
xv
select the high reliability and qualitative routes among the available routes. Thus, the
overall network performance will be increased, especially for the network that works in
a high dynamical environment.
Mobil cihazlardaki ve kablosuz ağlardaki gelişmelere bağlı olarak son yıllarda konum tabanlı sosyal ağlar da popülerliğini artırmaktadır. Bu sosyal ağlar kullanıcıların yeni mekânlar keşfetmelerine, fotoğraf, video ve konumlarını paylaşmalarına ve arkadaşlık kurmalarına olanak sağlamaktadır. Konum tabanlı sosyal ağlar sayesinde daha önce elde etmesi oldukça zor olan büyük miktardaki kullanıcıların hareketleri ile ilgili verilere erişmek mümkün hale gelmiştir. Bu verileri kullanarak kullanıcılara başarılı öneriler sunulması hem sosyal ağ sağlayıcılarına, hem kullanıcılara, hem de sistemdeki mekânlara yarar sağlamaktadır.
Konum tabanlı sosyal ağlar sayesinde elde edilebilecek çok fazla veri olmasına karşın şu an için elde edilebilen veriler genelde oldukça az ve ham verilerdir. Bu veriler kullanıcının hangi tarihte nerede yer bildiriminde bulunduğu ve kullanıcılar arası arkadaşlık durumu bilgileridir. Bunların haricinde konum tabanlı sosyal ağlar sayesinde elde edilebilecek verilere örnek olarak; kullanıcıların mekânlara verdikleri puanlar, mekân hakkında yaptıkları yorumlar ve mekânların fiyat aralıkları gösterilebilir. Elde edilen veriler ham halde olsalar bile bu veriler işlendikten sonra birçok farklı bilgi elde edilebilir. Sadece yer bildirimi verisi kullanılarak mekânların popülerliklerine, kullanıcıların mekân ve kategori tercihlerine, mekânların popüler oldukları zaman aralıklarına ve daha birçok bilgiye ulaşılabilir.
xi
Elde edilen veriler öncelikle analiz edilmiş ve bir ön işlemeden geçirilmiştir. Sistemi düzenli kullanmayan kullanıcı verileri elenmiştir. Benzer şekilde sadece tek bir yer bildirimine sahip mekânlar sistemden çıkarılmıştır. Bunun sebebi bu mekânların incelediğimiz özellikler ile önerilmesinin oldukça zor olmasıdır. Daha sonra yer bildirimleri yapılan konumların hangi ülke ve şehirlerde oldukları tespit edilmiştir. Yapılan incelemeler sonucu kullanıcıların büyük çoğunluğunun yer bildirimlerini aynı şehir içerisinde yaptıkları görülmüş ve öneri yapılırken bu göz önüne alınmıştır. Öneri sistemi çalıştırılırken veriler şehir bazlı incelenmiş ve buna göre başarı hesaplanmıştır.
Bu çalışmada kullanıcıların hareketleri önceden tahmin edilmeye çalışılmıştır. Yapılan işlem test için belirlenen yer bildirimini yapan kullanıcı için sistemdeki her bir mekâna puan verme ve bu puanları sıralama işlemidir. Bu sıralama sonucunda farklı liste uzunluklarında öneri yapılmış ve yer bildiriminin gerçekten bu liste içinde olup olmadığı, var ise hangi sırada var olduğu incelenmiş ve başarı hesaplanmıştır. Bunun için öncelikle elde edilen veriler teker teker kullanılmış ve başarıları incelenmiştir. Bu veriler mekân popülerliği, mekânın zaman aralıklarındaki popülerlikleri, kullanıcıların önceki mekân ve kategori tercihleri, mekânın kullanıcının evine olan uzaklığıdır. Daha sonra bu verileri bir arada kullanan bir sistem tasarlanmıştır. Bu sistemin başarısı incelenmiş ve önceki elde edilen sonuçlarla karşılaştırılmıştır.
