Multimedya Bilgi Filtreleme – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri
Multimedya Bilgi Filtreleme
Yakın gelecekte geçen Azınlık Raporu filminde, bir adamın bir mağazaya girdiği ve holografik bir tezgâhtarla karşılaştığı bir sahne var. Holografik mağaza asistanı, potansiyel müşteriyi iris tanıma teknolojisi ile tanır.
Daha sonra holografik asistan, adamı adıyla karşılar ve geçmiş alışverişlerine dayanarak ilgileneceği teklifler ve ürünler hakkında ve benzer zevklere sahip diğer alışverişçilerin satın aldığı şeyler hakkında onu bilgilendirmeye başlar. Bir müşterinin alışveriş ürünlerini bulmasına yardımcı olabilecek gelecekteki kişiselleştirilmiş alışveriş asistanlarının bu örneği, şu ya da bu şekilde gerçeğe dönüşmekten çok uzak değildir.
Bilgi Merceği adını verdikleri bir sistemle yaptıkları çalışmalara dayalı olarak bilgi seçimi için bilişsel, ekonomik ve sosyal olmak üzere üç paradigma tanıttı. Bilgi Merceği tarafından fiilen uygulanan yaklaşım olan bilişsel filtreleme tanımları, daha önce Denning tarafından tanımlanan “içerik filtresine” eşdeğerdir ve bu yaklaşım artık yaygın olarak “içerik tabanlı” filtreleme olarak adlandırılmaktadır.
En önemli katkıları, sosyal (artık daha yaygın olarak işbirlikçi olarak da adlandırılan) filtreleme olarak adlandırdıkları alternatif bir yaklaşım ortaya koymaktı. Sosyal filtrelemede, bir belgenin temsili, belgenin önceki okuyucuları tarafından o belgeye yapılan açıklamalara dayanır.
1990’larda işbirlikçi filtreleme (CF) üzerinde çok çalışma yapıldı. Temel tavsiye sistemleri olarak kabul edilen üç sistem vardı. Grouplens projesi başlangıçta Usenet haber alanındaki öğeleri filtrelemek için kullanıldı.
Bu daha sonra Movielens’in temeli oldu. Kullanıcılara daha önce kiraladıklarına göre video film öneren Bellcore Video tavsiye sistemi ve daha sonra Web’de yayınlanan ve Firefly olarak pazarlanan Ringo, film ve müzik önermek için sosyal filtrelemeyi kullandı.
Multimedya içeriğinin filtrelenmesi, içerik ve meta veriler hakkında anlamsal ve yapısal bilgilerin çıkarılmasını ve modellenmesini içeren kapsamlı bir süreçtir. Çoklu ortam içeriğiyle ilgili sorun, herhangi bir belgede sunulan bilgilerin tanım gereği çok modlu olmasıdır.
Farklı medya türlerinin nitelikleri, içeriğin biçiminin depolanma ve algılanma biçiminde önemli ölçüde farklılık gösterir. Manuel olarak yapılmadığı sürece, bir video akışının anlamsal içeriğini bir ses akışınınkiyle ilişkilendirmenin doğrudan bir yolu yoktur.
Nesnelerin uzamsal ve zamansal özelliklerinin bir içerik modeli, nesnelerin yer aldığı eylemleri tanımlamak için kullanılabilir. Bu içerik modeli daha sonra içeriğin granüler filtrelenmesine izin vermek için bir kullanıcı profiline göre filtrelenebilir, bu da etkili sıralama ve alaka düzeyi sağlar.
Filtreleme esas olarak metin belgeleri alanında incelenmiştir. Kullanıcının tercihleri, metin belgelerini ilgili ve alakasız içeriğe ayırmak için filtreler tarafından kriter olarak kullanılan anahtar kelimeler olarak kullanılır. Bir belgede ne kadar olumlu anahtar kelimeler bulunursa, belge o kadar alakalı hale gelir.
Gizli anlamsal indeksleme gibi teknikler, bir kelimenin anlamını farklı bağlamlarda yorumlamanın yollarını bulmuş, böylece farklı sözdizimi kullanarak belgelerin doğru bir şekilde filtrelenmesine izin vermiş, ancak aynı anlambilimin tanınmasına ve anlaşılmasına izin vermiştir.
Metin belgeleri, yazıldığı dilin standartlarına uyar. Aynı şeyi AV veri akışları için yapmaya çalıştığınızda, içeriğin kendisindeki terimleri belirleme sorunu ile karşı karşıya kalırsınız. Terimler, içerikte görünen bir dizi nesne, örneğin bir görüntü dosyasındaki bir yüz olarak temsil edilir.
Bu terimler, herhangi bir karşılaştırma yöntemi olmadığından veya varsa kilidinin açılması karmaşık olduğundan nesnelerle doğrudan ilişkilendirilemez. Belgenin başlığı ve bazı bilgiler dosya açıklamasında verilebilir, ancak nesnelerin eylemleri ve uzamsal ve zamansal özellikleri, ilgililiğin etkin analizi için yeterli düzeyde tanımlanmayacaktır.
Gelişmiş filtreleme
excel’de filtreleme nedir
Excel sütun filtreleme
Excel Makro ile gelişmiş filtreleme
Excel filtreleme teknikleri
excel’de filtreleme formülü
Excel satır filtreleme
Excel Gelişmiş filtre
MADDENİN ANA İHTİYACI
Bilgi filtreleme teknikleri, Amerikan futbolu dijital televizyonu, Web uygulamaları ve her yerde bulunan ve yaygın cihaz uygulamaları dahil olmak üzere çeşitli alanlara uygulanmıştır.
Multimedya bilgilerini filtrelemek, bilginin etki alanına ve kullanımına bağlı olarak farklı yaklaşımlar gerektirir. İki ana multimedya bilgi filtreleme türü vardır: işbirlikçi ve içerik tabanlı. Kullanıcı, kişisel tercihlerine dayalı bir öneri bulmak için içeriğin öznel bir analizini isterse, sosyal veya topluluk temelli filtreleme olarak da bilinen işbirlikçi filtrelemeyi kullanır.
Öte yandan, bilgi gereksinimlerine göre bir veri akışından bilgileri filtrelemek için nesnel bir karara ihtiyaç duyarlarsa, içerik tabanlı filtrelemeyi kullanırlar.
Yukarıdaki sistemlerin tümü, aday nesneler üzerinde tahminler önermek için teknikler olarak işbirlikçi veya içerik tabanlı filtreleme veya her ikisinin (karma) bir kombinasyonunu kullanır.
Bu klasik tekniklerin dışında, mizaç teorisine dayalı olarak ilgilenilen öğeleri tahmin etmeye bakan mizaç tabanlı filtreleme gibi mevcut bilgi filtreleme modelleri vardır. Sosyal filtreleme ile aynı prensipte çalışır. Sosyal filtrelemeden farklı olarak, kullanıcılar benzer öğe seçimine göre değil, kullanıcıların mizaçlarına göre gruplandırılır.
İçerik Tabanlı Filtreleme
İçerik tabanlı filtreleme, kullanıcının tercih ettiği belirli içerik özelliklerine sahip öğelere ihtiyaç duyduğu ortamlar için uygundur. Ortak filtreleme bu ortamda uygun değildir, çünkü bir kullanıcının tercihine göre bir veri akışından tercih edilen içeriği yaymaya çalışan filtreleme ölçütleri sağlamak yerine, o kullanıcının tercihlerini yansıtan öğeler hakkında görüşler sunar.
Kişiselleştirilmiş video özetleri, içerik tabanlı filtrelemeyi kullanmak için mükemmel bir alandır. Bunun nedeni, bir kullanıcının yalnızca herhangi bir video veri akışı içindeki belirli içeriklerle ilgileneceğidir. Örneğin, bir futbol maçı izlerken, kullanıcı yalnızca goller ve serbest vuruşlarla ilgilenebilir. Bu nedenle, kullanıcılar hangi içerik özelliklerini ve diğer görüntüleme gereksinimlerini tercih ettiklerini belirtebilir ve ardından görüntüleri bu gereksinimlere göre filtreleyebilir.
Bilgi filtrelemeye yönelik içerik tabanlı yaklaşımın kökleri bilgi erişim (IR) topluluğundadır ve birçok tekniğini kullanır. İçeriğe dayalı filtrelemenin en belirgin örneği, metin nesnelerinin (örneğin, posta mesajları, haber grubu gönderileri veya Web sayfaları) metinsel temsillerinde yer alan sözcüklere dayalı olarak filtrelenmesidir.
Burada metin belgeleri olan her nesneye, belgenin en iyi anlamını temsil etmek üzere seçilen bir veya daha fazla indeks terimi atanır. Bu dizin terimleri, dizin dilinden alınan sözcüklerle ifade edilen sorgularla ilgili belgeleri bulmak için aranır. Bu filtreleme biçiminin altında yatan varsayım, nesnelerin ve sorguların “anlamının” belirli kelimeler veya deyimlerle yakalanabileceğidir.
İçerik tabanlı bir filtreleme sistemi, öğeleri, benzer tercihlere sahip kişiler arasındaki korelasyona dayalı olarak seçen ortak bir filtreleme sisteminin aksine, öğelerin içeriği ile kullanıcının tercihleri arasındaki korelasyona dayalı olarak seçer.
İçerik tabanlı filtrelemenin temel sorunu, öğelerin içeriğinin minimum düzeyde olduğu ve içeriğin otomatik içerik tabanlı erişim yöntemleriyle (örneğin fikirler ve görüşler) kolayca analiz edilemediği alanlarda iyi performans göstermemesidir. Eklektik zevklere sahip veya geçici seçimler yapan kullanıcılara, önceki seçimlere dayalı olarak kötü tavsiyeler verilir.
Excel filtreleme teknikleri Excel Gelişmiş filtre Excel Makro ile gelişmiş filtreleme Excel satır filtreleme Excel sütun filtreleme excel'de filtreleme formülü excel'de filtreleme nedir Gelişmiş filtreleme