PubMed article recommendation system based on collaborative filtering

PubMed, her gün binlerce yeni makale ile güncellenen biyolojik ve tıp bilimleri hakkındaki en büyük erişime açık veri tabanlarından biridir. Ayrıca PubMed, MEDLINE, yaşam bilimleri dergileri ve çevrimiçi kitaplardan biyomedikal literatür için 30 milyondan fazla alıntı içeriyor. Araştırmacılar, artan sayıda biyomedikal literatürlerinde istedikleri yayınları bulmakta zorlanmaktadırlar. Bu nedenle, araştırmacıların özellikle ilgilendikleri materyalleri bulmalarına yardımcı olan bir öneri sistemi tasarlamak önemlidir. Bu çalışmada PubGate isimli bir PubMed makale öneri sistemi geliştirdik. Öneri sistemimiz, içeriğe dayalı yaklaşımla birlikte daha çok işbirlikçi yaklaşımı kullanan karma bir yaklaşıma dayanmaktadır. İşbirliğine dayalı filtreleme yaklaşımı için, kullanıcılar arasında ilgilendikleri makalelere ve ilgi alanlarına göre anahtar kelimeleri kullanarak benzerlikleri hesaplamak için Jaccard benzerliği özniteliğini kullandık ve benzer ilgi alanlarına sahip kullanıcılara ilgilenebilecekleri makaleleri tavsiye ettik. İşbirlikçi filtreleme, genellikle geçmişi olmayan yeni kullanıcılarla ilgili soğuk başlatma sorunundan muzdariptir. Bu sorunun üstesinden gelmek için, kullanıcılara anahtar kelimeleri temel alarak makaleler önermek için Elasticsearch motorunu entegre ettik. Bu tez, kullanıcılara PubMed makaleleri önermek için hem arama motorunu hem de işbirliği yaklaşımınıs birleştirir.