Gizliliği korunmuş ortak filtreleme yöntemlerinin doğruluğunun kaba kümeler teorisi ile iyileştirilmesi

Abstract

İnternet kullanımının artmasıyla birlikte tavsiye sistemleri popüler hale gelmiştir. Tavsiye sistemlerinde kullanılan Ortak Filtreleme yöntemleri müşterilere çevrimiçi platformlar üzerinde ürün seçme konusunda yardımcı olmak için kullanılmaktadır. Bu yöntemlerin gizlilik, doğruluk, çevrimiçi performans, kapsama, çok seyrek veri seti ve ölçeklenebilirlik gibi bazı sorunları vardır. Bu sorunların üstesinden gelmek için Kaba Kümeler Teorisi kullanılabilir. Kaba Kümeler teorisi sistemin doğruluğunun iyileştirilmesi, kapsama performansının arttırılması amacıyla Ortak Filtreleme yöntemlerinde kullanılmaktadır. Ayrıca Ortak Filtreleme yöntemlerinin önemli sorunlarından birisi de gizliliktir. Bu sorunun üstesinden gelmek için Gizliliği-Korunmuş Ortak Filtreleme yöntemleri kullanılmaktadır. Ancak bu sistemlerde doğruluk ve gizlilik çakı¸san iki amaç olduğundan tavsiye sisteminin doğruluğunu düşürmektedir. Bu tezin amacı da Gizliliği-Korunmuş Ortak Filtreleme yöntemlerinin do?gruluğunun iyileştirilmesi ve kapsama performansının arttırılmasıdır. Bu sorunların üstesinden gelmek için Kaba Kümeler Teorisinde ayırt edilemezlik ilişkisi kullanılarak geliştirilen ROUSTIDA algoritması kullanılmıştır. Bu yaklaşım gizliliği korunmuş bellek tabanlı, gizliliği korunmuş model tabanlı ve gizliliği korunmuş karma tabanlı üç farklı yöntemle test edilmiştir. Deneyler sonucunda Gizliliği Korunmuş Ortak Filtreleme yöntemlerinde doğruluğun ve seyrek veri sorunlarının iyileştiği görülmüştür.