#20220411 Video Game Recommendation Web Application

Alışılagelmiş makine öğrenmesi ve yapay zeka teknikleriyle değil, graf yaklaşımını kullanarak konuyu ele alacağız. Bu graf veritabanında tuttuğumuz verilere 3 ana algoritma (İçerik bazlı, İşbirlikçi,Hibrit) uygulayarak onları inceleyeceğiz. Aynı zamanda kullanıcıların daha rahat kullanması için geliştirdiğimiz web uygulamasında kullanıcılar oyunları inceleyip, onları değerlendirebilir. Uygulamamız ise bu doğrultuda kullanıcılara beğenebilecekleri oyunları önerilerde bulunacaktır.

Günümüzde insanlar film, dizi, müzik gibi multimedya içeriklerinin yanı sıra video oyunlarına da büyük ilgi göstermektedir ve bu ilgi gün geçtikçe artmaktadır. Steam, Origins, Epic Games gibi platformlar kullanıcılarına video oyunlarını sunmanın yanı sıra bu kullanıcıların ilgisini çekecek oyunları da onlara göstermeye büyük dikkat göstermektedir. Bu projede de asıl amaç bu tarz öneri sistemlerinin nasıl geliştirilebileceği ve farklı algoritmalar ve metotlar kullanarak daha verimli ve başarılı bir şekilde oyun tüketicilerinin dikkatini çekmektir.

Projede detaylı olarak sunulacak kendini önerme algoritmasına bir yaklaşım görünmektedir. Ancak, alışılagelmiş makine öğrenmesi ve yapay zeka teknikleriyle değil, graf yaklaşımını kullanarak konu ele alınacak. Bu graf veritabanında tutulan verilere 3 ana algoritma (İçerik bazlı, İşbirlikçi, Hibrit) uygulanarak incelenmektedir. Amaç, bir graf veritabanında depolanan verileri kullanarak mümkün olduğunca çabuk bir öneride bulunabilecek gerçek zamanlı bir algoritma uygulamaktır

Teknoloji Hususları Bu uygulamayı çalıştırmak için temel donanım gereksinimleri yeterli olacaktır. Operasyonel Hususlar Proje önerilerin sorunsuz çalışmasını sağlayacak şekilde uygulanacaktır.

.

Yok

Diğer multimedya içeriklerinde olduğu gibi video oyun piyasasının da tüketicilerin beklentilerini karşılamak için, bir çeşit öneri sistemine ihtiyacı vardır. Bu tür bir öneri sistemi hem dijital oyun platformlarının, hem de tüketicilerin menfaatlerine ulaşmasını sağlamaktadır. Dijital oyun platformu Bu sistem kullanıcıların önüne onlara daha uygun ve satın alma ihtimalleri yüksek oyun çıkartarak satışları artırmaya yardımcı olur. Tüketici Kendine özel olarak kategorize edilmiş ve onun zevkleriyle uyuşan oyunlara kolayca erişebilir.

[1] Internet Archive,”Internet Archive: Wayback Machine” https://web.archive.org/web/20080213171536/http://investor.google.com/fin_data.html (Son Erişim: 01 Aralık 2021) [2] B. Darwell, „Facebook suggests similar pages after users click Like on page’s Timeline,” http://www.adweek.com/socialtimes/facebook-suggests-similar-pages-after-users-click-like-on-pages-timeline/289536. (Son Erişim: 03 Aralık 2021) [3] Facebook, Inc., “Ads Manager,” https://www.facebook.com/ads/manager/creation/creation/. (Son Erişim: 04 Aralık 2021) [4] T. Vanderbilt, „The Science Behind the Netflix Algorithms That Decide What You’ll Watch Next,” https://www.wired.com/2013/08/qq-netflix-algorithm/ (Son Erişim: 20 Aralık 2021) [5] M. Miller, „Playing Music on Pandora,”http://www.quepublishing.com/articles/article.aspx?p=2337783. (Son Erişim: 06 Aralık 2021) [6] G. Galant, “VV Show #54 - Tim Westergren of Pandora,” http://www.venturevoice.com/2009/03/vv_show_54_tim_westergren_of_p.html. (Son Erişim: 22 Aralık 2021) [7] Humboldt-Universität zu Berlin, “Correcting for Self-selection in Product Rating: Causal Recommender Systems,” https://humboldt-wi.github.io/blog/research/applied_predictive_modeling_19/causalrecommendersystem/ (Son Erişim: 17 Aralık 2021) [8] Wordpress, “Episode 1: Using TF-IDF to identify the signal from the noise,” https://mungingdata.wordpress.com/2017/11/25/episode-1-using-tf-idf-to-identify-the-signal-from-the-noise/ (Son Erişim: 17 Aralık 2021) [9] Towards Data Science, “Various Implementations of Collaborative Filtering,” https://towardsdatascience.com/various-implementations-of-collaborative-filtering-100385c6dfe0 (Son Erişim: 17 Aralık 2021) [10] Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl, “Item-Based Collaborative Filtering Recommendation Algorithms,” https://www.researchgate.net/profile/Badrul-Sarwar/publication/2369002_Item-based_Collaborative_Filtering_Recommendation_Algorithms/links/0912f50c238becb068000000/Item-based-Collaborative-Filtering-Recommendation-Algorithms.pdf (Son Erişim: 17 Aralık 2021) [11] Neo4j, “The Jaccard Similarity algorithm,” https://neo4j.com/docs/graph-data-science/current/alpha-algorithms/jaccard/ (Son Erişim: 18 Aralık 2021) [12] Neo4j, “What is a Graph Database?,” https://neo4j.com/developer/graph-database/ (Son Erişim: 18 Aralık 2021) [13] GraphAware, „Speaker identification meets graphs,” https://graphaware.com/analytics/2019/01/28/speaker-identification-meets-graphs.html (Son Erişim: 14 Aralık 2021) [14] Neo4j, “Clauses,” https://neo4j.com/docs/cypher-manual/4.4/clauses/ (Son Erişim: 15 Aralık 2021) [15] Neo4j, “Driver workflow,” https://neo4j.com/docs/driver-manual/4.0/cypher-workflow/ (Son Erişim: 15 Aralık 2021)