Privacy-preserving dimensionality reduction-based collaborative filtering

Abstract

İşbirlikçi filtreleme (İF) sistemleri birçok elektronik ticaret sitesi tarafından kullanılmaktadır. Fakat bu sistemler gizlilik ölçütlerini sağlamada yetersiz kalmaktadırlar. Birçok internet kullanıcısı gizlilik endişelerinden dolayı işbirlikçi filtreleme amacıyla kendi bilgilerini rahatlıkla paylaşamamaktadırlar. Bu da İF servislerini yerine getirmek için doğru ve güvenilir veri toplanmasını güçleştirmektedir. Araştırmalar gizlilik endişelerinin kullanıcıdan kullanıcıya farklılık gösterdiğini göstermektedir. Bu yüzden kullanıcılar kendi gizli bilgilerini farklı şekillerde gizlemeyi tercih edebilirler. Bu şekilde saklanmış veriler üzerinde İF servislerini sağlamak çözülmesi güç bir problem haline gelmektedir. Bazı durumlarda iki elektronik ticaret firması verilerini biraraya getirip daha güvenilir ve doğru öneriler üretmek isteyebilir. Fakat bu firmalar gizlilik, hukuki ve finansal sebeplerden dolayı verilerini birleştirmek istemezler. Eğer gizlilik ölçütleri sağlanırsa bu firmalar verilerini birleştirebilirler. Bu durumda sorun onların gizliliklerine zarar vermeden birleştirilmiş veri üzerinden İF hizmetlerini nasıl gerçekleştirecekleridir. Bu çalışmada ilk olarak kişisel gizliliğe zarar vermeden Eigentaste algoritmasına dayalı İF hizmetleri sunmak için çözümler ileri sürülmüştür. İkinci olarak, farklı yollarla saklanmış veriden tekil değerlerine ayrıştırma (TDA) tabanlı algoritmalar kullanılarak nasıl öneri üretileceği gösterilmiştir. Son olarak, dağıtık veri üzerinden iki taraf arasında tarafların gizliliklerini koruyarak TDA tabanlı işbirlikçi filtrelemenin nasıl gerçekleştirileceği araştırılmıştır. Öne sürülen çözümlerin performanslarını ölçmek için İF amacıyla toplanmış gerçek veriler kullanılarak deneyleryapılmıştır. Önerilen yöntemlerin doğruluk, gizlilik ve ek maliyet analizleri yapılmıştır. Çözümler anlatıldıktan sonra sonuçlar çıkarılmış ve öneriler sunulmuştur.