Internet based movie genre suggestion model considering demographical information of users

Abstract

Web tabanlı müşteri tahminleme sistemleri kullanıcıya özel bilgi sağlamak için kullanılmaktadır. Bu sistemler web tarama, bilgi filtreleme, haber veya film tavsiye ve e-ticaret gibi birçok alanda uygulanmaktadır. Bu sistemlerin temel amaçları kullanıcının ilgisini çekebilecek ürünler veya servisler ile ilgili öneriler sunmaktır. Tahminleme sistemleri, büyük bir alternatif ürün veya servis kümesi içinde kullanıcıya karar verme sürecinde yardımcı olan akıllı uygulamalardır. Bu sistemler temelde veri filtrelemeye dayanırlar. Veri filtrelemenin bu sistemlerde kullanılan ortak filtreleme, içerik tabanlı filtreleme ve karma yöntemler gibi çeşitli tipleri mevcuttur. Bu tipler odaklandıkları veriye gore birbirlerinden ayrılmaktadırlar. Örneğin bazı yöntemler benzer öğeleri ele alırken, diğerleri benzer kullanıcıları ele almaktadırlar. Tahminleme sistemlerinin anahtar elemanı kullanıcının seçimleri, tercihleri, ilgi alanları ve geçmiş etkinliklerine dair bilgi içeren bir kullanıcı modelidir. Tahminleme sistemlerinin çalışma mekanizması iki adımda özetlenebilir: Kullanıcı modeli oluşturulması ve tahminleme üretimi. Bu çalışmada, geniş bir müşteri yelpazesine sahip bir e-alışveriş sitesi için kullanıcıların film tercihlerini tahminleme ele alınacaktır. Müşteri bilgilerinin yapısına göre başka bir deyişle, müşterilerin cinsiyet, yaş, eğitim, meslek vb. demografik bilgilerini kullanarak bir film türü öneri modeli bu çalışmanın kapsamını oluşturmaktadır. Ayrıca çalışmada iki farklı metodun karşılaştırması online ham veri üzerinden verilecektir.Anahtar Kelimeler:Naive Bayes Sınıflandırıcı, Karar Ağaçları, CHAID analizi, CART analizi, Öneri Sistemleri

Web based customer recommendation systems are being used to provide customized information to the users. They are applied in many areas such as web browsing, information filtering, news or movie recommendation, and e-commerce. The primary aim is to offer suggestions about products or services that users might be interested in. They are intelligent applications to assist users in a decision-making process where they want to choose one item amongst a potentially large set of alternative products or services. These systems are based on information filtering. There are various types of information filtering methods that are used in these systems such as collaborative filtering, content-based filtering and hybrid methods. These types diverge according to the data that they focus on. For example some of them focus on finding similar items where others focus on similar customers. The key component of all recommendation systems is the user model which contains knowledge about the user?s choices, preferences, and past activities which determine his behavior, in other words, his activities on the web. The recommendation systems working mechanism can be summarized in two steps: user model construction and recommendation generation. In this study, a prediction method is proposed according to the structure of the customer spectrum. Considering demographic data of users such as gender, age, education and occupation, the movie genre choice of the users is predicted. A comparison of two different methods will be given in the study on the online raw data provided by an online shopping site.Keywords: Naive Bayesian Classifier Decision Tree, Classification and Regression Trees (CART), Chi-squared Automatic Interaction Detector (CHAID), Recommender Systems