Veri Madenciliği Teknikleri ile Kitap Öneri Sistemi

Abstract

Günümüzde artan kitap sayısıyla birlikte okuyucular kitap seçmekte zorlanmaktadırlar. E-ticaretin gelişmesi birçok ürün gibi farklı türden kitaba da ulaşımı oldukça kolaylaştırmıştır. Bu kolaylığın yanında okuyucunun doğru kitabı bulabilmesi oldukça önemlidir. E-ticaret sitelerinde fiziksel bir kitap satış mağazasında bulunan kitap sayısından daha fazla sayıda kitap bulunabilmektedir. Bu da beraberinde kitap seçimini zorlaştırmaktadır. E-ticaret sitelerinin önemli avantajlarından birisi de kullanıcıların kitaplar hakkındaki değerlendirmelere ulaşılabilmesidir. Bu çalışmada kitap öneri sistemi oluşturmak amacıyla 1000kitap.com platformundan kitaplara ait çeşitli bilgiler toplanmıştır. Elde edilen kitap özetlerine metin ön işlem adımları uygulanmıştır. Ön işlemden geçen kitap özetlerinden KeyBERT tekniği ile anahtar kelimeler elde edilip, Zeyrek kütüphanesi ile kelime kökleri bulunmuştur. Ayrıca benzerlik hesaplamasını iyileştirmek adına BERT derin öğrenme modeli ile bir model eğitilerek roman türündeki kitaplar için yeni alt tür tahminleri yapılmıştır. Çalışmadaki temel amaç kullanıcının seçmiş olduğu bir kitabın anahtar kelimelerinden yararlanarak veri setindeki diğer kitapların anahtar kelimeleri ile benzerliklerini hesaplayıp, okuyucuya benzer içerikli farklı kitapları önermektir.

In recent years, the growing number of published books has made it increasingly difficult for readers to select suitable titles. With the rise of e-commerce, access to a wide range of book genres has become significantly more convenient, much like with other consumer products. However, this accessibility has also heightened the importance of guiding readers toward appropriate book choices. E-commerce platforms often offer a much larger selection of books than physical bookstores, which can makes it harder for users during the decision-making process. One of the advantages of these platforms is the availability of user-generated reviews and evaluations, which assist in the selection process. This study aims to develop a content-based book recommendation system using data collected from the platform 1000kitap.com. A range of textual information related to books—particularly book summaries—was gathered and subjected to text preprocessing techniques. Subsequently, KeyBERT was employed to extract representative keywords from the summaries, and Zeyrek, a Turkish NLP library, was utilized to identify word stems. Furthermore, to enhance similarity computations, a deep learning model based on BERT was used to infer sub-genres within the novel category. The primary objective of this study is to calculate content-based similarity by comparing the extracted keywords of a user-selected book with those of other books in the dataset. Based on these similarity scores, the system recommends alternative books with related content, thereby assisting users in discovering new titles aligned with their interests.