Otomatik Kişiselleştirme ve Veri Madenciliği

Otomatik kişiselleştirme, kullanıcı profilini otomatik olarak kullanıcı tarafından en az açıkla kontrollü sistem tarafından güncelleyen bir sistemdir. Veri madenciliğiyle ilgisi ise ki veri madenciliği şu demektir: veriler yıllar geçtikçe çoğalmaktadır ve doğru, kaliteli bilgiye ulaşmak ise zorlaşmıştır. O bilgi yığınının içinden belirsizlikleri de gidererek en kaliteli en saf haliyle bilgiye ulaşma sürecidir. Otomatik Kişiselleştirme de veri madenciliği yöntemiyle en doğru şekilde bu sistemi ortaya koymaktır.

Kişileştirmeyi yaparken de veri madenciliğinden 3 yaklaşımla bu sistemi uyarlayacağız. Öncelik İçerik Tabanlı Filtreleme Sistemi; büyük miktarda veriyi işlemek ve belirli kriterleri karşılayan içeriklere ilişkin işlem yapmak amacıyla kullanılan otomatik bir sistemdir. Sadece sistemimizde bulunmasını istediğimiz içerikten yola çıkarak bir filtreleme yapılır. İkincisi ise İşbirlikli Filtreleme Sistemidir. Bu sistem de ise tahmin söz konusudur. Bir çok kullanıcının profiline göre çıkarımda bulunarak onların özellikleri doğrultusunda bir tahmin yürüterek kişileştirmelerin yapılmasıdır. Üçüncüsü ise Kural Tabanlı yaklaşım aslında bunu veri tabanındaki sorgu yöntemlerine benzetebiliriz. Sorgu yöntemiyle kullanılan if-else yapısı gibi eğer şeker seviyorsa kullanıcı tatlı şeyleri ekrana getir gibi.

Uygun veriye ulaşmak için veriyi önce toplamamız gerekir. Veriler, birçok farklı ortamda depolanır. Bunları ortak bir veri ambarında toplamak için öncesinde veri toplama yaparız . Uygun verileri çekerek ardından bu veriler ön işleme den geçer yani belirli test ve analizlerden. En sonunda bir modelleme seçmemiz gerekir. Modellemeyi iyi seçebilmemiz için bu sistemi neden yaptığımızı yani problemin amacını iyi bilmemiz gerekir. Problem amacı belirlendikten sonra uygun model seçilir.

Ardından yöntemlere geçilir. hibrid farklı modellerin birleşmesiyle oluşan modellerle yöntemler oluşmuştur. İçerik özelliklerine bakılarak kullanıma dayalı modeller bunlardan biridir. Kişiselleştirme yapılırken kullanıcın özelliklerine bakılarak bir içerik oluşturup analiz etmiştik şimdi kullanımı da dikkate alınıp bir model oluşturulur. Yapılandırılmış anlamsal bilginin entegrasyonu da bir başka modeldir. Bu da kullanıcıya göre yapılandırılan bilginin içeriğe uyarlanmasıyla oluşur. Modeli öğrenmek için bağlantı yapısını kullanmak modelinde ise içeriğin bağlantılarıyla alakalı bir bütünleştirme yaparak içeriğe uyarlanması diyebiliriz.