لخّصلي

GİRİŞ

Günümüz teknolojisindeki artan gelişmeler ve dijitalleşmeler ile birlikte, öneri sistemleri çoğu alanda önemli bir rol oynamaktadır. Bu sistemler, kullanıcılara kendilerine ve kullanıcıların kişisel özelliklerine göre içerik önerileri sunarak, kullanıcı deneyimini iyileştirmeyi amaçlamaktadır. Bu alanlardan biri olan film sektörü de bu gelişmelerden etkilenmiş ve film izleme alışkanlıklarını değiştiren öneri sistemleri ile karşılaşmıştır. Bu bağlamda, film öneri sistemleri, kullanıcılara ilgi alanlarına uygun film önerileri sunarak, film seçim sürecini kolaylaştırmaktadır.

Bu ara dönem raporu, Deniz Harp Okulu Bilgisayar Mühendisliği 4. sınıf öğrencileri olarak gerçekleştirdiğimiz tez çalışmasının ön raporunu sunmaktadır. Tez konumuz, zaten var olan film öneri sistemleri üzerinde çalışarak geliştirmek üzerinedir. Geliştirilecek olan bu sistem, kullanıcıların geçmiş film tercihleri, beğenileri, ve izleme alışkanlıkları üzerinden kişiselleştirilmiş film önerileri sunmayı hedeflemektedir. Bu sayede, kullanıcıların daha fazla ilgisini çekecek ve onların beklentilerine uygun içerikleri önerebilecek bir öneri sistemi oluşturulması amaçlanmaktadır.

Bu giriş bölümünde, film öneri sistemlerinin önemi ve film sektöründeki kolaylıkları üzerinde durulacaktır. Ayrıca, bu alandaki önceki çalışmalardan elde edilen sonuçlar ve eksiklikler incelenerek, bu eksiklikleri gidermek amacıyla gerçekleştirilen tez çalışmasının genel amacı ve önemi açıklanacaktır.

Bu raporun devamında, film öneri sistemlerinin temel prensipleri, kullanılan programlar, benzer uygulamalar ve projenin detaylı tasarımı hakkında ayrıntılı bilgiler verilecektir. Tez çalışmasının sonunda elde edilmesi hedeflenen sonuçlar
ve katkılar da belirtilerek, çalışmanın ilerleyen aşamalarında nelerin planlandığı açıklanacaktır.

AMAÇ

Günümüz şartlarında, bireylerin karşılaştığı çeşitli bilgi yığınları arasında kendi isteklerine uygun içerikleri bulmakta zorlanmaları, öneri sistemlerinin önemini artırmıştır. Bu bağlamda, film sektörü de kullanıcıların geniş bir film veri havuzunda kaybolmalarını önlemek ve onların film zevklerine göre öneriler sunmak adına film öneri sistemlerine yönelmiştir. Bu tez çalışmasının amacı, film izleme deneyimini daha kolay ve kullanıcı beğenisi odaklı hale getirecek bir film öneri sistemi geliştirmektir.

Bu tezin temel amacı, kullanıcıların önceden izledikleri ve beğendikleri filmleri analiz ederek, onların tercihlerine uygun ve ilgilerini çekecek film önerileri sunan bir öneri sistemi tasarlamak ve implemente etmektir. Bu öneri sistemi, kullanıcıların film alışkanlıklarını anlamak ve bu bağlamda onların kişisel zevklerine uygun öneriler sunmak için öneri algoritmalarını kullanacaktır.

Bu çalışmanın sonunda elde edilecek olan öneri sistemi, film sektöründeki dijital platformlar için önemli bir aracı olmayı amaçlamaktadır. Kullanıcıların ilgi alanlarına uygun içerikleri daha hızlı ve etkili bir şekilde keşfetmelerine yardımcı olarak, film izleme deneyimini daha keyifli ve özelleştirilmiş hale getirmeyi amaçlamaktadır.

ARAŞTIRMA VE LİTERATÜR TARAMASI

Bu bölümde yapmış olduğumuz araştırma ve çalışmalar doğrultusunda öneri sistemlerinin ciddi bir oranda film sektörü üzerinde kullanıldığı sonucuna vardık. Film sektörü bu öneri sistemleriyle kullanıcın daha çok ilgisini çekip büyük ölçüde gelir elde etmelerini sağlamıştır. Bu bölümde kullanılan teknolojiler, benzer çalışmalar ve sektördeki gelişmelerle ilgili yapılan araştırmalara odaklanacağız.

Film öneri sistemleri, kullanıcılara geniş film veritabanları içerisinde zaman kaybetmeden, ilgisini çeken filmlere kısa sürede erişmesini sağlamak amacıyla geliştirilmiştir. Öne çıkan birkaç film öneri sistemlerini inceleyecek olursak başlıcaları Netflix, Amazon Prime, ve Spotify gibi dijital platformlardır.

Netflix'in öneri sistemi, kullanıcıların izleme geçmişlerini, beğenilerini ve puanlamalarını analiz ederek kişiselleştirilmiş öneriler sunan bir yapay zeka tabanlı sistemdir. Makine öğrenimi algoritmalarını kullanan Netflix, öneri algoritmalarını optimize ederek kullanıcı deneyimini artırmayı hedefler. Bu sayede, Netflix'in geniş içerik kütüphanesinde kullanıcıların ilgi çekici içeriklere daha hızlı ve etkili bir şekilde erişmelerini sağlar.

Amazon Prime platformu da Netflix öneri sistemleriyle aynı mantık çerçevesinde çalışmaktadır fakat veri kullanımı, algoritma ve teknoloji, öne çıkan metrikler,
Kullanıcı geri bildirim işleme gibi farklıkları bulunmaktadır.

Spotify, müzik ve podcast odaklı bir dijital yayın platformudur ve Netflix ile Amazon Prime Video'dan farklıdır. Spotify, kullanıcıların müzik tercihlerini temel alarak kişiselleştirilmiş çalma listeleri ve öneriler sunar, öneri sistemleri genellikle müzik türleri, sanatçılar ve dinleme alışkanlıkları gibi müzikle ilgili verileri analiz eder. Bu farklar Spotify’ı diğer platformlardan ayıran temel özelliklerdir.

Başka bir deyişle film öneri sistemleri, özellikle yapay zeka ve makine öğrenimi gibi teknolojik gelişmelerin etkisi altında hızla evrim geçirmektedir. Derin öğrenme teknikleriyle kullanıcının tercihlerini anlamak ve tahmin etmek için kullanılmaktadır. Bu algoritmalar, kullanıcı profillerini sürekli güncelleyerek daha hassas ve kişiselleştirilmiş öneriler sunma kapasitesine sahiptir.

Benzer Çalışmalar ve Eksiklikler:

Daha önce yapılmış çalışmaların incelenmesi, film öneri sistemleri alanındaki mevcut durumu anlamamıza yardımcı olacağını düşündüğümüzden. Bu bağlamda, benzer tezler ve projeler üzerinden elde edilen bulgular ve yöntemler araştırılmıştır. Önceki çalışmalarda ortaya çıkan yöntem ve tasarımsal eksiklikler, bu tez çalışmasının yönlendirici unsurları arasında yer alacaktır.

Yaptığımız bu literatür taraması, film öneri sistemleri alanında mevcut durumu anlamak ve bu alandaki yöntemleri belirlemek amacıyla yapılmıştır. Tez çalışmasında, bu bilgilerin nasıl kullanılacağı ve bu eksikliklere nasıl odaklanılacağı detaylı bir şekilde ele alınacaktır.

SONUÇ

Film öneri sistemleri, dijital platformlardaki kullanıcı deneyimini kullanarak, içerik keşfini kolaylaştırmakta önemli bir rol oynamaktadır. Bu araştırma, film öneri sistemlerinin kullanıcı tercihleri ve izleme alışkanlıkları üzerine odaklanarak, kişiselleştirilmiş önerilerin nasıl geliştirilebileceğini anlamayı amaçlamıştır. Literatür taraması, film öneri sistemleri alanında yapılan önceki çalışmaların değerlendirmesini sunarak, bu alandaki mevcut durumu analiz etmemize yardımcı oldu. Benzer şekilde, film öneri sistemleri konusunda Netflix, Amazon Prime Video ve Spotify gibi önde gelen platformlardaki uygulamaları inceleyerek, sektördeki güncel gelişmeleri anlamaya çalıştık.

Kullanıcı verilerinin nasıl toplandığını, analiz edildiğini ve bu verilerin nasıl öneri algoritmalarına dönüştürüldüğünü detaylı bir şekilde inceledik. Elde edilen bulgular, film öneri sistemlerinin kullanıcı tercihleri üzerinde etkili bir şekilde çalıştığını ve kişiselleştirilmiş içerik önerilerinin izleyicilerin memnuniyetini artırdığını gösterdi. Özellikle, derin öğrenme ve makine öğrenimi teknikleri kullanılarak geliştirilen öneri algoritmalarının, kullanıcıların beklentilerine daha iyi cevap verebildiği belirlendi.

Sonuç olarak, film öneri sistemleri alanında yapılan bu çalışma, kullanıcı memnuniyetini artırmak ve dijital medya platformlarının rekabet avantajını güçlendirmek adına kişiselleştirilmiş içerik önerileri üzerine odaklanan gelecekteki araştırmalara bir temel oluşturmayı amaçlamaktadır. Bu alanda yapılan gelişmeler, izleyici deneyimini zenginleştirmek ve içerik tüketimini daha anlamlı hale getirmek adına önemli bir potansiyele işaret etmektedir.