Privacy-preserving naïve bayesian classifier-based collaborative filtering

Abstract

İşbirlikçi filtreleme (İF) İnternet'te kullanılan çok popüler bir teknik haline gelmiştir. İF sistemleri çok yaygın kullanılmalarına rağmen bu sistemlerin bazı problemleri vardır. Bunlardan ilki kullanıcıların gizli verisini toplamaktır. Daha iyi önerilerde bulunmak için bu sistemler kaliteli veriye ihtiyaç duyarlar; fakat gizlilik nedeni ile kullanıcılar özel verilerini göndermekte tereddüt ederler veya yanlış veri göndermeye karar verebilirler. İkinci problem ise bazen öneri için kullanılacak veriler iki farklı grup arasında paylaşılmış olabilir. Bu iki grup verilerini birleştirmek isteyebilirler ama gizlilik endişelerinden dolayı birbirlerine verilerini göstermek istemeyebilirler. Üçüncü problem ise iyileştirme problemidir. Kullanıcı ve ürün sayılarının artması ile çevrimiçi hesaplama süresi artar. Bu tezde, basit Bayes sınıflandırıcı (BBS) tabanlı İF algoritmasının sorunlarını gidermek için yöntemler önerilmiştir. Rastgele cevap teknikleri kullanılarak BBS tabanlı önerilerin kullanıcıların gizliliğini koruyarak gerçekleştirecek yeni bir yöntem sunulmuştur. İki grup arasında bölünmüş veriden bu grupların gizliliklerini koruyarak İF servisleri üretmek için çözümler önerilmiştir. Son olarak, k-mod kümeleme algoritması kullanılarak gizliliği koruyan BBS tabanlı İF algoritmasını iyileştirme yöntemi sunulmuştur. Çözümlerin doğruluk, gizlilik ve ek maliyetler açısından analizleri yapılmıştır. Sonuçlar açıklandıktan sonra gelecekte yapılması planlanan işler sunulmuştur.