Öneri algoritmalarının popülerlik yanlılığı sorunu için kullanıcı-odaklı yeni bir yöntemin geliştirilmesi
Developing a new user-centered method for the popularity bias problem of recommendation algorithms
- Tez No: 851037
- Danışmanlar: DOÇ. DR. EMRE YALÇIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Öneri sistemleri, sundukları kişiselleştirilmiş öneriler sayesinde bireylerin çok sayıdaki içerik arasında gezinmelerini ve karar verme süreçlerini desteklemektedir. Bu nedenle, son yıllarda farklı uygulama alanındaki birçok çevrimiçi dijital platform bu sistemleri etkin bir şekilde kullanmaktadır. Ancak, öneri algoritmalarının en temel problemlerinden birisi popülerlik yanlılığı sorunu olarak da bilinen ve popüler ürünlere üretilen öneri listelerinde çok sık yer verilmesi durumudur. Öneri algoritmalarının bu eğilimi, hem katalogdaki ürünlerin öneri listelerinde eşit bir biçimde temsil edilmesinde hem de kullanıcıların aldıkları önerilerden duydukları memnuniyet seviyesinde çeşitli adaletsizlik sorunlarına neden olmaktadır. Bununla birlikte, bu sorun için geliştirilen yanlılık-giderici yöntemler genellikle kullanıcıların ürün popülerliği üzerindeki gerçek eğilimlerini dikkate almamaktadır. Bu tezde ilk olarak kullanıcıların popüler ürünlere yönelik gerçek eğilimlerini doğru bir şekilde belirleyen çeşitli yöntemler geliştirilmiştir. Ardından, bu yöntemleri kullanarak kullanıcıların ürün popülerliğine ilişkin gerçek eğilimleri açısından daha kalibre edilmiş nihai öneri listeleri sunan yeni bir kullanıcı-odaklı popülerlik yanlılığı giderici yöntem geliştirilmiştir. Üç gerçek-dünya veri kümesi üzerinde gerçekleştirilen deneylerin sonuçları bu yöntemin hem popülerlik kalibrasyonu açısından hem de doğruluk ve doğruluk-ötesi öneri kalitesi dikkate alınarak yapılan genel değerlendirmede mevcut yöntemlerden daha başarılı olduğunu ortaya koymuştur.
Özet (Çeviri)
Thanks to provided personalized recommendations, recommender systems support users to navigate the vast amount of available content and their decision-making process. Therefore, many online digital platforms in different application areas have effectively utilized these systems in recent years. However, one of the main problems of the recommendation algorithms is that popular items are frequently included in the recommendation lists, also referred to as the popularity bias problem. This tendency of the recommendation algorithms causes various unfairness issues both in the equal representation of the items in the catalog in the recommendation lists and the degree of the users' satisfaction level with their received recommendations. However, debiasing methods developed for this problem usually do not consider the actual propensities of users on item popularity. In this thesis, firstly, various methods have been developed to determine the actual tendencies of users towards popular items correctly. Then, using these methods, a novel user-oriented popularity debiasing method providing final recommendation lists that are more calibrated regarding users' actual tendencies on item popularity was developed. The results of the experiments performed on three real-world datasets show that this method outperforms existing methods in terms of both popularity calibration and overall evaluation of accuracy and beyond-accuracy recommendation quality.
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
- 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
- Developing recommendation techniques for location based social networks using random walk
Konum tabanlı sosyal ağlar için rastgele yürüyüş yöntemi kullanarak önerme teknikleri geliştirme
HAKAN BAĞCI
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR KARAGÖZ
- Path optimization for switchless ARINC 664 using heuristic search algorithms
Sezgisel arama algoritmalarını kullanarak anahtarsız ARINC 664 için yol optimizasyonu
SEDAT KAYA
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma TeknolojileriYıldız Teknik ÜniversitesiAviyonik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ÜVET
DR. İBRAHİM HÖKELEK
- Popülerlik sıralamasına dayalı DC3MAB öneri sistemi ve uygulaması
DC3MAB recommendation system based on popularity ranking and its application
NAJIBEH MIRINEZHAD
Yüksek Lisans
Türkçe
2024
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE ÖVGÜ KINAY