/proje detayları
Association Mining ve Eye-Tracking Clustering
Scanpath benzeri eye-tracking davranışını analiz etmek için association rule mining ile DBSCAN kümelenmesini bir araya getiren bir data mining pipeline'ı.
Bu proje, eye-tracking verisi bağlamında iki klasik veri madenciliği yaklaşımını bir araya getiriyor. İlk olarak, scanpath benzeri sayfa alanı dizileri birer transaction gibi ele alınıyor ve kullanıcının hangi web sitesi öğelerini birlikte incelediğini ortaya çıkarmak için association rule mining uygulanıyor.
İkinci olarak ise fiksasyon koordinatları DBSCAN algoritması ile kümelenerek sayfa üzerindeki yoğun görsel dikkat bölgeleri tespit ediliyor. Bu yaklaşım eye-tracking verisi için özellikle önemlidir; çünkü bu tür veriler hem sıralı hem de uzamsal özellik taşır. Kullanıcı zaman içinde farklı sayfa öğeleri arasında gezinirken, aynı anda bakış noktaları da ekranda belirli kümeler oluşturur.
Proje, web kullanılabilirlik çalışmasına benzer şekilde sentetik gaze ve scanpath verileri kullanırken temel metodolojiyi koruyor: frequent itemsets, support, confidence, lift metrikleri ve density-based clustering.
Oluşturulan örnek çıktılarda, price information ve CTA öğelerinin birlikte incelenmesi gibi birliktelik kuralları yüksek confidence değerleriyle ortaya çıkıyor. DBSCAN ise yoğun fiksasyon bölgelerini başarılı biçimde ayırırken, aykırı noktaları noise olarak dışarıda bırakıyor.
Öne çıkanlar
- Hero ürün, headline, CTA, price information, navigation ve footer gibi sayfa alanlarından scanpath benzeri transaction verileri ürettim.
- Support, confidence ve lift metriklerini kullanarak frequent itemset mining ve association rule scoring sistemini geliştirdim.
- Sayfa alanları etrafında fiksasyon koordinatları ürettim ve bunları DBSCAN ile kümeledim.
- Sayfa alanı frekansları, en güçlü birliktelik kuralları ve fiksasyon kümeleri için diagnostic görseller ürettim.
- Açık kaynak sürümde temel veri madenciliği yaklaşımını koruyarak projeyi paylaşılabilir bir veri yapısına uyarladım.
Figürler
