Addressing popularity bias in personality-aware recommender systems
Kişilik bilinçli öneri sistemlerinde popülerlik önliliklerini ele almak
- Tez No: 924314
- Danışmanlar: DOÇ. DR. ALPER BİLGE, DOÇ. DR. EMRE YALÇIN
- Tez Türü: Doktora
- Konular: Bilgi ve Belge Yönetimi, Information and Records Management
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: 75
Özet
Tavsiye sistemleri çeşitli alanlarda yaygın olarak kullanılmaktadır ve kullanıcıların tercihlerine en uygun ürünü belirlemelerine yardımcı olmaktadır. Bununla birlikte, öneri algoritmalarında bilinen bir popülerlik yanlılığı sorununun varlığı, öneri listelerinde yalnızca popüler öğeleri (baş öğeler) vurgular ve daha az popüler öğeleri (kuyruk öğeler) göz ardı eder. Bu sayede kuyruk öğeleri görünmez kalır ve kullanıcı yalnızca başlık öğelerini öneri olarak görür. Bu dengesizlik yaklaşımının arkasında yatan neden derecelendirmelerin hatalı dağılımıdır. Ön işleme, işleme içi ve işleme sonrası teknikler gibi popülerlik yanlılığı sorununun çözülebileceği çeşitli teknikler mevcuttur. Bu araştırma, öneri sürecindeki yanlılık etkisini azaltmak için bir ön işleme tekniği sunmaktadır. Önerilen teknik, kişiliğe duyarlı tavsiyeler alanındaki kuyruk öğelere sentetik derecelendirmelerin enjeksiyonu kavramını tanıtmaktadır. Sentetik enjeksiyon yöntemi kullanılarak derecelendirme dengesizliği azaltılarak verimli ve adil öneriler sağlanır. Bu amaçla, önerilen yöntem öncelikle enjekte edilecek derecelendirme sayısını bulmak için ana öğelerin ortalama derecelendirme sayısını hesaplar. Sentetik derecelendirme sayısı tahmininden sonra sistem, enjekte edilecek sentetik derecelendirmelerin değerini hesaplar. Önerilen sistemin performansı doğruluk ve doğruluk ötesi metrikler kullanılarak tahmin edilmektedir. Bu çalışma, hem doğruluk hem de doğruluk ötesi metriklerin etkinliğini dengeleyen genel performans göstergesi adı verilen yeni bir değerlendirme metriği önermektedir.
Özet (Çeviri)
Recommender systems are extensively employed in diverse domains and assist users to identify the most suitable product of their choice. Nevertheless, the presence of a notorious problem of popularity bias in recommendation algorithms highlights only popular items (head items) and ignores less popular items (tail items) in the recommendation lists. In this way, the tail items remain unseen, and the user only sees the head items as recommendation. The reason behind this imbalance approach is the imperfect distribution of ratings. There exist several techniques via popularity bias problem can be resolved such as pre-processing, in-processing, and post-processing techniques. This research presents a pre-processing technique to diminish the bias effect in the recommendation process. The proposed technique introduces the concept of injection of synthetic ratings to tail items in the domain of personality-aware recommendations. Rating imbalance reduces by using the synthetic injection method resulting in efficient and fair recommendations. For this purpose, at first the proposed method calculates the average rating count of head items to find the number of ratings to inject. After the synthetic rating count estimation, the system calculates the value of synthetic ratings to be injected. The performance of the proposed system is estimated using accuracy and beyond-accuracy metrics. This study proposes a new evaluation metric called general performance indicator that balances the effectiveness of both accuracy and beyond-accuracy metrics.
Benzer Tezler
- 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
OSMAN ALPER MISIRLI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BİLGE
DR. ÖĞR. ÜYESİ 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
- Optimizing rotary-wing UAV trajectory tracking: A comparative study of optimization methods
Döner kanatlı İHA yörünge takibinin optimize edilmesi: Optimizasyon yöntemlerinin karşılaştırmalı bir çalışması
AHMET SABAH
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT
- Two-dimensional DOA estimation using arbitrary arrays
Düzensiz anten dizileri ile iki boyutlu geliş açısı kestirimi
PETER NYONGESAH OBIMO
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR TAMER
- Understanding the role of culture and communication in implementing planned organizational change: The case of Compstat in police organizations
Başlık çevirisi yok
YUSUF YÜKSEL
Doktora
İngilizce
2013
Bilgi ve Belge YönetimiRutgers, The State University of New Jersey-New Brunswick Campusİletişim Çalışmaları Ana Bilim Dalı
PROF. BRENT D. RUBEN