Fair recommendation through conditioning on systematic presentation in recommender systems
Öneri sistemlerinde sistematik sunum üzerine koşullama ile adil öneriler
- Tez No: 690428
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Öneri sistemleri, kullanıcılarının tercihlerini doğru şekilde tahminlemeyi amaçlayan etkileşimli sistemlerdir. Bu sistemlerin bir sınırlaması, zamanla tavsiyelerin kapsamının daralmasıdır. Bu ise, popüler seçeneklerin daha çok önerildiği, daha az ziyaret edilenlerin adeta sansürlendiği, böylece kullanıcıların yeni alternatifleri keşfetmesinin engellendiği bir ortam yaratır. Filtre balonu adı verilen bu durum, tercih tahminlemelerinin kullanıcı geri bildirimlerine bağlı olduğu kendi kendini güçlendiren geri bildirim döngülerinin kaçınılmaz sonucudur. Kendini güçlendiren geri bildirim döngüleri, etkileşimli öneri sistemlerinde bazı içeriklerin gereğinden fazla ve/veya az sunulmasının hem nedeni hem de sonucudur. Bu durum, yanlış kullanıcı tercihi tahminlemelerine, yani fazlaca sunulan içeriklerin fazla tercih edildiği ve aynı şekilde az sunulan içeriğin ise daha az tercih edildiği yanılgısına sebep olur. Daha hassas bir tercih tahminlemesi için kendi kendini güçlendiren geri bildirim döngülerini ortadan kaldırmaktan ise öneri sisteminin kendisi sorumludur. Bu bağlamda, kendi kendini güçlendiren geri bildirim döngülerinin olumsuz etkilerini göz önünde bulundurarak etkileşimli bir öneri sistemi için ``adil'' olma kriterlerini tanımlıyoruz. Ayrıca, akıllı bir sunum mekanizması tasarlamanın bu kriterleri sağlamak için gerekli olduğunu savunuyoruz. Bu savı kanıtlamak için, sırasıyla alternatiflere sistematik ve sınırlı maruz kalmayı açıkça içeren ve görmezden gelen iki modeli ele alıyoruz. Gerçek dünyadaki yanlılıkları simüle ederek, sistematik sunumları görmezden gelmenin teşvik edilen seçenekleri olduğundan fazla, sansürlenmiş alternatifleri ise olduğundan az tahminlediğini gösteriyoruz. En basit şekilde sınırlı maruz kalma üzerine koşullandırmanın bu yanlılıkları hafifletebileceğini gösteriyoruz.
Özet (Çeviri)
Recommendation engines are interactive systems aiming to predict users' top preferences according to their choices. A limitation of the recommender systems is that over time the recommendations get narrower in scope. That means the popular items are favored and the less frequently visited ones are censored. Consequently, users are prevented from exploring new alternatives. The so-called filter bubble is the inevitable outcome of the self-reinforcing feedback loops where the preference estimations depend on the user choices. Self-reinforcing feedback loops are both cause and effect of over- and under-presentation of some content in interactive recommender systems. That results in inaccurate user preference estimates, namely, overestimation of over-presented content and vice versa. The burden is on the recommender system to eliminate the self-reinforcing feedback loops for a more accurate preference estimation. In this regard, we define the ``fairness'' criteria for an interactive recommender system considering the adverse impacts of these self-reinforcing feedback loops. We also claim that designing an intelligent presentation mechanism is essential to meet those criteria. To prove the claim we address two models that explicitly incorporate or ignore the systematic and limited exposure to alternatives. By simulating real-world biases, we demonstrate that ignoring systematic presentations results in overestimation of promoted options and underestimation of censored alternatives. Simply conditioning on the limited exposure is a remedy for these biases.
Benzer Tezler
- Examining the effects of profile injection attacks on recommender systems on the popularity bias problem
Öneri sistemlerine yapılan profil enjeksiyon ataklarının popülerlik yanlılığı sorunu üzerindeki etkilerinin incelenmesi
ÖZGE GÜREL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BİLGE
DOÇ. DR. EMRE YALÇIN
- Hybrid reciprocal recommendation with advanced feature representations
Gelişmiş özellik gösterimleri ile hibrit çift taraflı öneri sistemleri
EZGİ YILDIRIM
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- İstanbul tarihi yarımada ve beyoğlu kentsel sit alanları örneğinde; koruma amaçlı imar planlarının yargısal inceleme süreçlerinin etkinliğinin artırılmasına ilişkin bir sistem önerisi
In the example of İstanbul historical peninsula and beyoğlu urban site; a system recommendation on increasing the efficiency of the judicial review process of conservative zoning plans
ALİ YÜKSEL
Doktora
Türkçe
2023
Hukukİstanbul Arel ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. AHMET METE TAPAN
PROF. DR. HALİL İBRAHİM ŞANLI
- Women in politics in islamic states: A case study of Afghanistan and Pakistan
İslam devletlerinde kadınların siyasetteki yeri: Afganistan ve Pakistan çalışması
MOHAMMADSHARIF AFZAL
Yüksek Lisans
İngilizce
2018
Siyasal Bilimlerİstanbul Aydın ÜniversitesiSiyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLAY UĞUR GÖKSEL
- An investigation on life center unit's design criteria in inclusive education environments: A case study on SERÇEV Accessible Vocational High School
Kaynaştırma eğitimi mekanlarında yaşam merkezi biriminin tasarım kriterlerinin belirlenmesi üzerine bir inceleme: SERÇEV Engelsiz Meslek Lisesi örneği
SİMGE GÜLBAHAR
Yüksek Lisans
İngilizce
2017
Eğitim ve Öğretimİstanbul Teknik Üniversitesiİç Mimari Tasarım Ana Bilim Dalı
DOÇ. DR. ÖZGE CORDAN