Analyzing the effects of popularity bias on beyond-accuracy recommendation quality in user-neighborhood-based collaborative filtering algorithms
Kullanici-komşuluk-tabanli işbirlikçi filtreleme algoritmalarinin popülerlik ayrimciliğini analiz etme
- Tez No: 797108
- Danışmanlar: DOÇ. DR. ALPER BİLGE, DR. ÖĞR. ÜYESİ EMRE YALÇIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Bu tezde, kullanıcı komşuluğu tabanlı ortak filtreleme algoritmalarında bulunan popülerlik ayrımcılığını incelemeyi amaçlamaktayız. Popülerlik ayrımcılığı, tavsiye sistemlerinin popüler öğeleri daha sık önerirken daha az popüler öğeleri önermemesi sonucu önerilerde çeşitlilik eksikliğini ifade etmektedir. Bu fenomeni inceleme amacı ile, Kosinüs benzerliği, Ortalama karesel fark ve Pearson korelasyon katsayısı gibi üç farklı benzerlik metrikleri kullanarak KNNwithMeans, KNNwithZscore ve KNNBaseline gibi üç farklı algoritmalayı test ediyoruz. Analizimizi Movielens-1M, Yahoo Music ve Douban Books gibi üç farklı veri kümesinde yapıyoruz. Çalışmamızın sonuçları, farklı benzerlik metrikleri ve algoritmaların kullanılmasının tavsiye edilen popülerlik ayrımcılığının seviyesini ciddi şekilde etkileyebileceğini göstermektedir. Ayrıca bulgularımız, popülerlik ayrımcılığını azaltmak için farklı benzerlik metrikleri ve algoritmaların bir kombinasyonunun en iyi yaklaşım olduğunu sunmaktadır. Bu yaklaşım, daha çeşitli bir tavsiye kümesi sağlar ve bu daha kişiselleştirilmiş ve memnuniyet verici bir kullanıcı deneyimi yaratabilir. Çalışmamız, tavsiye sistemlerinde popülerlik ayrımcılığının etkisini ve çeşitli yöntemlerin etkililiğini değerli bilgiler sunmaktadır. Sonuç olarak, bu tez tavsiye sistemlerinde popülerlik ayrımcılığının önemini aydınlatmaktadır ve bunu azaltmak için bir çerçeve sunmaktadır. Bu çalışmanın sonuçları, daha çeşitli ve kişiselleştirilmiş tavsiye sistemleri geliştirmek için kullanılabilir ve bu daha iyi bir kullanıcı deneyimi yaratabilir
Özet (Çeviri)
This thesis aims to study the popularity bias present in user-neighbourhoodbased collaborative filtering algorithms. Popularity bias refers to the tendency of recommendation systems to recommend popular items more frequently than less popular items, resulting in a need for more diversity in recommendations. To examine this phenomenon, we test three algorithms, KNNwithMeans, KNNwithZscore, and KNNBaseline, using three different similarity metrics: Cosine, MSD and Pearson's corelation coefficient. We analyse three distinct datasets: Movielens-1M, Yahoo Music, and Douban Books. The results of our study indicate that the use of different similarity metrics and algorithms can significantly impact the level of popularity bias present in the recommendations. Furthermore, our findings suggest that the best approach to mitigate popularity bias is to use a combination of different similarity metrics and algorithms. This approach allows for a more diverse set of recommendations, which can lead to a more personalised user experience. Our study provides valuable insights into the impact of popularity bias on recommendation systems and the effectiveness of various methods for addressing it. This thesis highlights the importance of addressing popularity bias in recommendation systems. The results of this study can be used to guide the development of more diverse recommendation systems, and personalised, in turn, can lead to a better user experience
Benzer Tezler
- Rastgele bozma yaklaşımlarının öneri algoritmalarının popülerlik yanlılığına etkisinin incelenmesi ve sahte oy enjeksiyonuna dayalı yenilikçi çözümler geliştirilmesi
Analyzing effects of random perturbation approaches on the popularity bias issue of recommendation algorithms and developing novel fake rating injection-based solutions
MERT GÜLSOY
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BİLGE
DOÇ. DR. EMRE YALÇIN
- Trust in family context: The case of Turkey
Aile bağlamında güven: Türkiye örneği
MUHAMMED ALPEREN YAŞAR
Yüksek Lisans
İngilizce
2021
EkonomiGalatasaray Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. SEZGİN POLAT
- Otomatik duygu sözlüğü geliştirilmesi ve haberlerin duygu analizi
Automated sentiment lexicon generation and sentiment analysis of news
FATİH SAĞLAM
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT AKAL
PROF. DR. HAYRİ SEVER
- The Effects of the mass media on the socio-kültürel values of the university youth 'A research on the effects of the mass media upon the shaping of socio-cultural values of Turkish university students from Istanbul'
Başlık çevirisi yok
BÜLENT UÇAR
Yüksek Lisans
İngilizce
2000
İletişim BilimleriFatih ÜniversitesiKamu Yönetimi Ana Bilim Dalı
PROF. DR. KEMAL ÖKE
- Femtosaniye lazerlerin metallerle etkileşimlerinde dalgakılavuzu davranışlarının incelenmesi
Investigation of waveguide behaviour in the interaction of femtosecond lasers with metals
ABDULLAH KAMURAN TÜRKOĞLU
Doktora
Türkçe
2012
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK AKTÜRK