Geri Dön

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

PDF İndir

  1. Tez No: 875268
  2. Yazar: MERT GÜLSOY
  3. Danışmanlar: DOÇ. DR. ALPER BİLGE, DOÇ. DR. EMRE YALÇIN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Akdeniz Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 152

Özet

Bu çalışma, gizlilik korumalı işbirlikçi filtreleme sistemleri ve popülerlik önyargısının azaltılması üzerine yoğunlaşmıştır. İşbirlikçi filtreleme, kullanıcıların geçmiş etkileşimlerinden yararlanarak kişiselleştirilmiş öneriler sunan önemli bir öneri sistemi yöntemidir. Ancak, bu sistemler, kullanıcı verilerinin gizliliğini tehlikeye atabilir ve popüler öğelerin yoğun bir şekilde temsil edilmesi gibi durumlara neden olabilir. Gizlilik korumalı işbirlikçi filtreleme, kullanıcı verilerinin gizliliğini korurken etkili öneriler sağlama amacı güder. Bu çalışma, gizliliği koruyan işbirlikçi filtreleme yöntemleri arasında, rastgele bozulma ve obfuskasyon tekniklerini kullanarak kullanıcı tercihlerini anonimleştiren yöntemleri ele alır. Popülerlik önyargısı, popüler öğelerin aşırı önerilmesi sonucu öneri çeşitliliğinin azalmasına neden olan bir sorundur. Popülerlikten arındırma (popularity debiasing), bu önyargıyı azaltmayı ve öneri listelerindeki çeşitliliği artırmayı hedefler. EquiRate yöntemi, popülerlik önyargısını azaltmaya yönelik yenilikçi bir yaklaşım sunar. Bu yöntem, öneri listelerindeki çeşitliliği ve adilliliği artırarak popüler olmayan öğelere daha fazla şans verir. FusionIndex metriği, öneri sistemlerinin başarısını hem doğruluk hem de çeşitlilik açısından değerlendiren kapsamlı bir ölçümdür. Yapılan deneyler, EquiRate'ın ve özellikle FusionIndex metriği kullanılarak değerlendirildiğinde, popülerlikten arındırma yöntemlerine kıyasla önemli iyileştirmeler sunduğunu göstermiştir. Bu sonuçlar, öneri sistemlerinde popülerlik önyargısının azaltılmasının yanı sıra, gizlilik korumalı işbirlikçi filtreleme yöntemlerinin etkinliğini de ortaya koymaktadır. Bu tez, öneri sistemlerinde gizlilik koruması ve popülerlik önyargısının azaltılması konularında önemli katkılar sunar. Gizlilik korumalı işbirlikçi filtreleme ve popülerlikten arındırma yaklaşımlarının birleştirilmesi, hem kullanıcı gizliliğini korurken hem de öneri çeşitliliğini ve adilliliğini artıran etkili bir strateji olarak öne çıkmaktadır. Bu çalışma, öneri sistemlerinin gelecekteki gelişimine yönelik değerli içgörüler ve yönlendirmeler sağlar.

Özet (Çeviri)

This thesis explores the advancement of recommender systems, with a focus on addressing popularity bias through privacy-preserved collaborative filtering techniques. Recommender systems are pivotal in filtering vast information spaces, guiding users towards items of interest. However, these systems often suffer from popularity bias, where popular items are disproportionately recommended, overshadowing less known items. This work introduces two novel approaches: a robust method for privacy-preserved collaborative filtering and the EquiRate algorithm for mitigating popularity bias. The privacy-preserved collaborative filtering technique employs randomized perturbation and obfuscation to safeguard user privacy while maintaining recommendation quality. This method not only enhances user trust by protecting sensitive information but also contributes to the accuracy and reliability of the recommendations. On the other hand, the EquiRate method specifically addresses the challenge of popularity bias. By integrating the FusionIndex metric, which assesses both recommendation accuracy and diversity, EquiRate efficiently balances the representation of popular and niche items, promoting a more diverse and equitable item exposure. Experimental evaluations on benchmark datasets reveal that these methods significantly improve recommendation diversity without compromising accuracy. The robust privacy-preserved collaborative filtering demonstrates resilience against various privacy attacks, ensuring effective recommendation under stringent privacy constraints. Meanwhile, EquiRate outperforms existing popularity-debiasing methods across multiple datasets, as evidenced by its superior FusionIndex scores. These outcomes highlight the potential of integrating privacy preservation and bias mitigation strategies to enhance the overall effectiveness of recommender systems. In conclusion, this thesis contributes to the recommender system literature by presenting innovative solutions for two pressing issues: privacy preservation and popularity bias. The proposed methods not only advance the state-of-the-art in collaborative filtering but also pave the way for creating more balanced, accurate, and privacy-conscious recommendation platforms.

Benzer Tezler

  1. Tez No

    885675

    On real-world face super-resolution and face image synthesis evaluation

    Gerçek dünya yüz süper çözünürlüğü ve yüz görüntüsü sentezi değerlendirmesi üzerine

    ERDİ SARITAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  2. Tez No

    470652

    Chiral spin glasses, continuum of devil's staircases, and thresholded roughening from frozen impurities

    Helezoni spin camları, sürekli ̧şeytan merdivenleri ve donmuş düzensizliklerden eşiklenmiş kabalaşma

    TOLGA ÇAĞLAR

    Doktora

    İngilizce

    İngilizce

    2017

    Fizik ve Fizik MühendisliğiSabancı Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET NİHAT BERKER

  3. Tez No

    634207

    Serebral iskemi reperfüzyon hasarı modelinde roküronyum, sugammadeks ve sevofluran anestezisinin oksidatif stres ve apopitoz üzerindeki etkisi

    The effect of rocuronium, sugammadex and sevofluran anesthesia on oxidative stress and apopitosis in the serebral ischemia reperfusion damage model

    HAKAN ÇİFTCİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    Anestezi ve ReanimasyonOrdu Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZÜBEYİR CEBECİ

  4. Tez No

    903945

    Yalova ili bilişim suç türlerinin yapay zekâ yöntemiyle tahmini

    Prediction of it crime types in Yalova province using artificial intelligence method

    SEZER YURDUSEVEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Adli Bilişim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜNEŞ HARMAN

  5. Tez No

    399029

    İllegal alkollü içecek ve ceviz tüketiminin karaciğer dokusu ve karaciğer fonksiyon testleri üzerine etkisi

    Illegal alcoholic beverage and walnut consumption effects on liver tissue and liver function tests

    ŞAHİN ÖZTÜRK

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    BiyokimyaMustafa Kemal Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    DOÇ. DR. ZAFER YÖNDEN

Geri Dön