Diferansiyel gizli komşuluk-tabanlı çoklu-kriterli öneri sistemi
Differentially private neighborhood-based multi-criteria recommender system
- Tez No: 968076
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP BATMAZ, DR. ÖĞR. ÜYESİ ALPER YARGIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Çoklu-kriterli öneri sistemleri, Diferansiyel gizlilik, İşbirlikçi filtreleme, Collaborative filtering, Differential privacy, Multi-criteria recommender system
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Öneri sistemleri, kullanıcıların geçmiş tercihlerini ve etkileşimlerini analiz ederek kişiselleştirilmiş içerik önerileri sunan önemli araçlardır. Bu sistemlerde yaygın olarak kullanılan işbirlikçi filtreleme teknikleri, kullanıcı benzerliklerine dayanarak tahmin üretmektedir. Tek-kriterli sistemlerin sınırlı yapısı karşısında çoklu-kriterli işbirlikçi filtreleme yaklaşımları, daha doğru ve kişiselleştirilmiş öneriler sunma potansiyeli ile dikkat çekmektedir. Ancak, öneri sistemlerinde kullanıcı verilerinin yoğun kullanımı, ciddi gizlilik risklerini beraberinde getirmektedir. Literatürdeki çalışmaların çoğu, hizmet sağlayıcıların güvenilir olduğu varsayımına dayansa da bu güven her zaman sağlanamayabilir. Bu nedenle, veriyi kullanıcı tarafında koruyan yerel diferansiyel gizlilik temelli yaklaşımlar giderek daha önemli hale gelmiştir. Bu çalışmada, yerel diferansiyel gizliliğe-dayalı üç farklı diferansiyel gizlilik mekanizması – Standart Laplace Mekanizması, Sınırlı Laplace Mekanizması ve Kırpılmış Laplace Mekanizması – kullanılarak gizliliği korunan çoklu-kriterli işbirlikçi filtreleme prosedürü geliştirilmiştir. İki farklı gerçek veri seti üzerinde gerçekleştirilen deneylerde, farklı gizlilik seviyelerinde öneri doğruluğu değerlendirilmiştir. Sonuçlar, önerilen yöntemin gizliliği sağlarken öneri kalitesini koruduğunu göstermektedir. Bu yönüyle çalışma, yerel diferansiyel gizliliğin çok-kriterli öneri sistemlerine entegrasyonu açısından literatüre önemli katkılar sunmaktadır.
Özet (Çeviri)
Recommender systems are essential tools that provide personalized content suggestions by analyzing users' past preferences and interactions. Collaborative filtering techniques, widely used in these systems, generate predictions based on user similarities. In contrast to the limited structure of single-criteria systems, multi-criteria collaborative filtering approaches stand out with their potential to provide more accurate and personalized recommendations. However, the extensive use of user data in recommender systems brings significant privacy risks. While most studies in the literature assume that service providers are trustworthy, this assumption cannot always be guaranteed. Therefore, approaches based on local differential privacy, which protect data on the user side, have become increasingly important. In this study, a novel privacy-preserving multi-criteria collaborative filtering approach is proposed using three different local differential privacy -based differential privacy mechanisms: the Standard Laplace Mechanism, the Bounded Laplace Mechanism and the Truncated Laplace Mechanism. Experiments were conducted on two real-world datasets to evaluate recommendation accuracy under different privacy levels. The results show that the proposed method preserves privacy while maintaining recommendation quality. In this regard, the study offers a significant contribution to the integration of local differantial privacy into multi-criteria recommender systems.
Benzer Tezler
- Towards differentially private data publishing for effective privacy research
Akıllı sayaç verilerinde etkıi mahremiyet araştırmaları için diferansiyel gizli gürültü ekleme
MOHAMED MEDHAT MOHAMED ALI ZEINA
Yüksek Lisans
İngilizce
2023
Sabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Differential cryptanalysis using FEAL-4 algorithm
Diferansiyel kriptoanaliz metodunun FEAL-4 algoritması üzerinde uygulanması
NİLÜFER AKKAYA
Yüksek Lisans
İngilizce
2000
Orta Doğu Teknik ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
Yükleniyor...
- Privacy preserving rule-based classifiers using modified artificial bee colony optimization algorithm
Değiştirilmiş yapay arı kolonisi optimizasyon algoritmasını kullanan gizlilik koruyuculu kural-tabanlı sınıflandırıcılar
EZGİ ZORARPACI
- Parafinle gizli ısı depolamada depo geometrisi optimizasyonu üzerine deneysel bir çalışma
An experimental study on optimization of the storage geometry in latent heat storage systems using paraffin
MİTHAT AKGÜN
- Killerin gizli ısı depolamada kullanılması ve şekilce kararlı kompozit faz değiştiren malzemelerin üretimi
Use of clays in the latent heat storage and production of shape-stabilized composite phase change materials
YASEMİN ERBEN
