Filling missing ratings in privacy-preserving collaborative filtering systems
Gizlilik tabanlı ortak filtreleme sistemlerinde kayıp değerlemeleri işleme
- Tez No: 495464
- Danışmanlar: YRD. DOÇ. DR. ALPER BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Ortak filtreleme kullanıcıların değerlemelerini kullanarak benzer kullanıcıları tespit eden ve onlar için tahmin üreten etkili bir kişiye özgü öneri tekniğidir. Fakat bu teknikle ilgili tartışmalı birinci mesele, ciddi mahremiyet risklerini de beraberinde getiren birçok kişisel bilginin ortak filtreleme sistemleri ile paylaşılmasıdır. Gizliliği koruyan ortak filtreleme algoritmaları temelde bu gizlilik sorununu çözmek için geliştirilmiştir. Toplanan veri setindeki kayıp değerler ise ortak filtreleme sistemlerinin bir başka temel sorunudur. Ortak filtreleme sistemlerinde çok fazla ürün olduğu için genellikle kullanıcılar bu ürünlerin hepsini oylayamadığı gibi aksine az ve sınırlı sayıda ürünü oylamaktadırlar. Bunun sonucunda ise benzer kullanıcıları bulup onlar için doğru tahminler üretmek için yetersiz miktarda bilgi elde edilmektedir. Çok boşluklu kullanıcı-ürün matrisi ortak filtreleme algoritmalarının genel performansını olumsuz etkilemektedir. Literatürde bu problemi ortadan kaldırmak için oluşturulmuş hali hazırda bazı yöntemler mevcuttur. Bunlardan bazıları elde bulunan verileri kullanarak kayıp değerleri doldururken diğerleri ise yardımcı verilerden faydalanırlar. Benzer problem gizlilik-tabanlı ortak filtreleme algoritmalarında da mevcuttur. Bu çalışmanın amacı, çeşitli gizlilik temelli ortak filtreleme algoritmaları üzerinde bazı yardımcı veri kullanmayan kayıp değer doldurma metotlarını uygulayarak öneri kalitesini arttırmaktır. Hali hazırdaki metotlar maskelenmiş seyrek veriye uygulanacak şekilde değiştirilecektir. Gerçek veri setleri ile deneyler yapılarak önerilen kayıp değerlemeleri işleme yöntemlerinin gizlilik-tabanlı ortak filtreleme sistemlerinde ne kadar başarılı oldukları tespit edilecektir.
Özet (Çeviri)
Collaborative filtering is an influential personalized recommendation technique deducing like-minded users from their ratings and producing predictions for them. However, the first controversial issue with this technique is that people may share a lot of individual information with collaborative filtering systems, which brings serious privacy risks. Privacy-preserving collaborative filtering algorithms are mainly contrived to deal with this privacy challenge. Missing values in the collected data set is another major issue in collaborative filtering systems. Users usually do not rate all items; conversely, they rate only a limited number of them because there are too many items to rate. Accordingly, there exists insufficient information to locate similar users correctly and generate accurate predictions. There are readily available methods in the literature constituted to overcome this problem. While some of these methods try to impute the missing values by only using the available data, the others utilize auxiliary data. The objective of this study is to apply some of the missing data imputation methods using no auxiliary data on several privacy-preserving collaborative filtering algorithms in order to boost the recommendation quality. Existing missing data imputation methods are modified in such a way that they can be applied to perturbed data. Several experiments are performed using a real data set to show how effective the methods are in privacy-preserving collaborative filtering systems.
Benzer Tezler
- Parkinson hastalığında düşme etkinlik ölçeği-uluslararası'nın Türkçe geçerlilik güvenilirlik çalışması
Reliability and validity of the Turkish version of the falls efficacy scale-international in patients with parkinson's disease
FATMA NAZLI
Tıpta Uzmanlık
Türkçe
2018
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. EBRU KARACA UMAY
- Eksik değerleri en olası değer ile doldurmanın sınıflandırma algoritmaları üzerinden karşılaştırılması
Comparison of filling missing values with the best fit over classification algorithms
ÇAĞDAŞ KEKLİK
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. CENGİZ ÖRENCİK
- Digital image inpainting using high dimensional model representation based methods
Yüksek boyutlu model gösterilim tabanlı yöntemlerle sayısal imge içboyuma
EFSUN KARACA
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ALPER TUNGA
- İmputasyon yöntemlerinin derin öğrenme modellerinin performansı üzerindeki etkisinin incelenmesi
An examination of the impact of imputation methods on the performance of deep learning models
KÜRŞAT ATMACA
Yüksek Lisans
Türkçe
2024
İstatistikEskişehir Teknik Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL YENİLMEZ
- Construction and analysis of a database for photocatalytic water splitting from the published articles
Yayınlanmış makalelerden suyun fotokatalitik ayrıştırılması ile ilgili veri tabanı oluşturulması ve analizi
ELİF CAN
Yüksek Lisans
İngilizce
2015
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM