Naive Bayes sınıflandırıcı tabanlı ikili-veri çoklu-ölçütlü öneri sistemler

Abstract

Öneri sistemleri, kullanıcıların herhangi bir çabasına ihtiyaç duymadan onların kişisel özelliklerine ve geçmişteki tercihlerine uygun öğeler tavsiye edebilme yeteneğine sahiplerdir. Bazı ürün ve hizmet alımı durumlarında, ilgili ürün ya da hizmet alımının içerdiği ölçütler bazında ayrı ayrı beğeni değerleri toplamak daha verimli olabilmektedir. Bu doğrultuda araştırmacılar, kullanıcıların beğeni derecelerini daha ayrıntılı ve etkili ifade edebilecekleri çoklu-ölçütlü değerlendirme sistemlerini geliştirmişlerdir. Bu tür sistemlerde, alt-ölçüt sayısının çok olması nedeniyle nümerik veriler kullanmak yerine ikili-veri kullanmak tercih edilebilir. İkili-veri kullanan tek ölçütlü öneri sistemlerinde basit Bayes sınıflandırıcı algoritması ortak filtreleme amacıyla kullanılmaktadır. Literatürde, çoklu-ölçütlü sistemler için benzer bir çalışma mevcut değildir. Bu tezde, ikili veriye dayalı çoklu-ölçütlü öneri sistemlerinin uygulanabilirliği araştırılmaktadır. İlk olarak, genel beğeni ölçütü için kullanıcılara basit Bayes sınıflandırıcı kullanılarak öneriler üretilmiştir. Üretilen önerilerin doğruluğunu arttırmak amacıyla başarılı komşulukların belirlenmesini sağlayan kullanıcı ve ürün tabanlı benzerlik modelleri önerilmiştir. Ardından, bu modeller uyumluluk tekniği kullanılarak geliştirilmiştir. Uyumluluk tekniği, benzerlik hesabının daha yüksek kişiselleştirilme ile yapılmasını sağlamıştır. Son olarak, karma bir model önerilmiştir. Karma model, kullanıcı-tabanlı ve ürün-tabanlı benzerlik modellerinin birlikte kullanılmasını sağlamıştır. Bu modeller kullanılarak daha yüksek başarıma sahip önerilerin üretilmesi sağlanmıştır.