HİBRİT KİTAP ÖNERİ SİSTEMİ

Neslihan Çoban; Fahriye Gemci

doi:10.17780/ksujes.1733196

EN TR

HİBRİT KİTAP ÖNERİ SİSTEMİ

Abstract

Bu çalışma, kullanıcıların kendi kütüphanelerine eklediği kitaplar için kişiselleştirilmiş öneriler sunan hibrit bir kitap öneri sistemi geliştirmeyi amaçlamaktadır. Sistem, Flask mikroyapı çatısı üzerine inşa edilmiş olup, kullanıcıların eklediği kitap verileri SQLAlchemy ORM ile yönetilen bir SQLite veritabanında tutulmaktadır. Öneri motoru, içerik tabanlı filtreleme yöntemiyle çalışmakta ve kitapların başlık, yazar, özet ve etiket bilgileri TF-IDF vektörleştirme tekniği kullanılarak metin tabanlı bir öznitelik vektörüne dönüştürülmektedir. Kitaplar arasındaki benzerlik cosine benzerliği metriği ile hesaplanmakta ve kullanıcıya en benzer kitaplar önerilmektedir. Soğuk başlangıç problemini çözmek için meta veri tabanlı bir baseline öneri mekanizması entegre edilmiştir. Deneysel değerlendirmeler, sistemin kullanıcı verileri üzerinde etkili ve hızlı çalıştığını göstermiştir. Bu çalışma, özellikle kişisel kitap kütüphaneleri için optimize edilmiş öneri sistemlerinin geliştirilmesine yönelik pratik bir çerçeve sunmaktadır.

Keywords

Thanks

Kahramanmaraş Sütçü İmam Üniversitesine teşekkür ederiz.

References

Carbonell, J., & Goldstein, J. (1998). The use of MMR, diversity-based reranking for reordering documents and producing summaries. Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 335–336. Melbourne, Australia. https://doi.org/10.1145/290941.291025
Chen, L. (2023). AI applications in book recommendation systems. *IEEE Intelligent Systems, 38*(2), 45–58.
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 4171–4186. Minneapolis, MN. https://doi.org/10.18653/v1/N19-1423
Grinberg, M. (2018). Flask web development: Developing web applications with Python (2nd ed.). O’Reilly Media.
Johnson, A. R. (2021). Personalized recommendation systems in the digital age. *Artificial Intelligence Review, 12*(4), 567–589.
Jones, K. S. (1972). A statistical interpretation of term specificity and its application in retrieval. Journal of Documentation, 28(1), 11–21. https://doi.org/10.1108/eb026526
Koren, Y. (2009). Matrix factorization techniques for recommender systems. Computer, 42(8), 30–37. https://doi.org/10.1109/MC.2009.263
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539

Lops, P., de Gemmis, M., & Semeraro, G. (2011). Content-based recommender systems: State of the art and trends. In F. Ricci, L. Rokach, B. Shapira, & P. B. Kantor (Eds.), Recommender systems handbook (pp. 73–105). Springer. https://doi.org/10.1007/978-0-387-85820-3_3
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. *arXiv preprint*, arXiv:1301.3781.
Open Library. (2023). Open Library API documentation. https://openlibrary.org/developers/api Park, Y., Park, S., & Jung, W. (2023). Cold start solutions for recommendation systems: A comprehensive review. *Information Processing & Management, 60*(1), 103141. https://doi.org/10.1016/j.ipm.2023.103141
Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems. In P. Brusilovsky, A. Kobsa, & W. Nejdl (Eds.), The adaptive web (pp. 325–341). Springer. https://doi.org/10.1007/978-3-540-72079-9_10
Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., & Riedl, J. (1997). GroupLens: An open architecture for collaborative filtering of netnews. Proceedings of the ACM Conference on Computer Supported Cooperative Work, 175–186. https://doi.org/10.1145/266714.266717
Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender systems: Introduction and challenges. In F. Ricci, L. Rokach, & B. Shapira (Eds.), *Recommender systems handbook* (2nd ed., pp. 1–34). Springer. https://doi.org/10.1007/978-1-4899-7637-6_1
Schein, A. I., Popescul, A., Ungar, L. H., & Pennock, D. M. (2002). Methods and metrics for cold-start recommendations. Proceedings of the 25th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 253–260. https://doi.org/10.1145/564376.564421
Smith, J., Anderson, B., & Clark, D. (2022). Digital transformation of information access: Trends and implications. Journal of Information Science, 45(3), 123–145. https://doi.org/10.1177/01655515211045678
Son, J. W. (2020). Hybrid approaches for cold start recommendation problems. *Expert Systems with Applications, 147*, 113234. https://doi.org/10.1016/j.eswa.2020.113234
Wang, H., Wang, N., & Yeung, D.-Y. (2021). Hybrid book recommendation systems: A comprehensive survey. *Knowledge-Based Systems, 214*, 106732. https://doi.org/10.1016/j.knosys.2021.106732
Zhang, S., Yao, L., Sun, A., & Tay, Y. (2022). Deep learning-based recommender systems: A survey and new perspectives. *Journal of the Association for Information Science and Technology (JASIST), 73*(5), 712–728. https://doi.org/10.1002/asi.24579

Details

Primary Language

Turkish

Subjects

Natural Language Processing

Journal Section

Research Article

Authors

Neslihan Çoban
0009-0007-9044-7592
Türkiye

Fahriye Gemci ^*
0000-0003-0961-5266
Türkiye

Publication Date

December 3, 2025

Submission Date

July 3, 2025

Acceptance Date

September 16, 2025

Published in Issue

Year 2025 Volume: 28 Number: 4

DOI

https://doi.org/10.17780/ksujes.1733196

IZ

https://izlik.org/JA47JC28NK

Cite

RIS / Bibtex

APA

Çoban, N., & Gemci, F. (2025). HİBRİT KİTAP ÖNERİ SİSTEMİ. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 28(4), 1886-1901. https://doi.org/10.17780/ksujes.1733196

AMA

1.Çoban N, Gemci F. HİBRİT KİTAP ÖNERİ SİSTEMİ. KSU J. Eng. Sci. 2025;28(4):1886-1901. doi:10.17780/ksujes.1733196

Chicago

Çoban, Neslihan, and Fahriye Gemci. 2025. “HİBRİT KİTAP ÖNERİ SİSTEMİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 28 (4): 1886-1901. https://doi.org/10.17780/ksujes.1733196.

EndNote

Çoban N, Gemci F (December 1, 2025) HİBRİT KİTAP ÖNERİ SİSTEMİ. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 28 4 1886–1901.

IEEE

[1]N. Çoban and F. Gemci, “HİBRİT KİTAP ÖNERİ SİSTEMİ”, KSU J. Eng. Sci., vol. 28, no. 4, pp. 1886–1901, Dec. 2025, doi: 10.17780/ksujes.1733196.

ISNAD

Çoban, Neslihan - Gemci, Fahriye. “HİBRİT KİTAP ÖNERİ SİSTEMİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 28/4 (December 1, 2025): 1886-1901. https://doi.org/10.17780/ksujes.1733196.

JAMA

1.Çoban N, Gemci F. HİBRİT KİTAP ÖNERİ SİSTEMİ. KSU J. Eng. Sci. 2025;28:1886–1901.

MLA

Çoban, Neslihan, and Fahriye Gemci. “HİBRİT KİTAP ÖNERİ SİSTEMİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, vol. 28, no. 4, Dec. 2025, pp. 1886-01, doi:10.17780/ksujes.1733196.

Vancouver

1.Neslihan Çoban, Fahriye Gemci. HİBRİT KİTAP ÖNERİ SİSTEMİ. KSU J. Eng. Sci. 2025 Dec. 1;28(4):1886-901. doi:10.17780/ksujes.1733196

HYBRID BOOK RECOMMENDATION SYSTEM

Abstract

Keywords

HİBRİT KİTAP ÖNERİ SİSTEMİ

Abstract

Keywords

Thanks

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite