Çok ölçütlü oy değerleri üzerinde en iyi-N öneri sistemi ve şilin atakların etkisi

Öneri sistemleri, kullanıcıların bir ürün için tahminler oluşturmasına ve kullanıcıların geri bildirimlerine dayalı olarak ürün listeleri sunulmasına yardımcı olan popüler yöntemlere sahiptir. Bu tür sistemlerin çıktıları, doğru öneriler üreterek müşteri memnuniyetini artırabilir. Ancak, sistemlerin başarısı, kullanıcı tercih verilerinin kişiselleştirilme düzeyine bağlıdır. Dolayısıyla daha detaylı müşteri verilerinin toplanması ile bu kişiselleştirme seviyesini artırmak mümkündür. Çok ölçütlü öneri sistemleri olarak adlandırılan bu sistemler, artırılmış bu kişiselleştirme seviyeleri ile kullanıcıya daha doğru tavsiyeler sunulmasını sağlar. Ancak literatürdeki çalışmalara bakıldığında çok ölçütlü sistemler üzerine geliştirilmiş bir en iyi-n öneri sistemlerinin yer almadığı görülmektedir. Bu tez kapsamında ilk olarak, çok ölçütlü veri kümeleri için yeni bir komşuluk oluşturma süreci ile sezgisel bulanık küme tabanlı en iyi-n öneri sistemi yöntemi önerilmektedir. Önerilen yöntem iki önemli noktadan oluşmaktadır: i) Ürünler arasındaki ilişkisel yapının belirlenmesi; ii) Kullanıcı eğilimlerinin, ayırt edici yapılarının ve derecelendirme dağılımlarının araştırılmasıdır. Derecelendirme dağılımı ve ürünler arasındaki ilişkisel yapı, birliktelik kuralı ve Entropi ölçümü ile belirlenirken, değerlendirme sırasında kullanıcıların tutum ve eğilimleri sezgisel bulanık kümeler kullanılarak analiz edilmektedir. Önerilen yaklaşımların performans karşılaştırması, tek ölçütlü sistemlerde yer alan algoritmanın çok ölçütlü sisteme uyarlanması ile gerçekleştirilmiştir. Kullanıcı memnuniyetinin yanı sıra önerilen listenin şans eser bulma, çeşitlilik ve yenilik gibi farklı ölçümlerde gerçekleştirilmiştir. Önerilen yöntemlerin kullanıcıya oldukça başarılı/doğru tavsiyeler sunduğu ve kullanıcı memnuniyetinin sağlandığı görülmüştür. Kullanıcıya başarılı tavsiyeler sunmanın yanı sıra, şilin saldırılarına karşı güvenlik açığı, öneri sistemlerinin performansını kötü etkilemektedir. Bu nedenle çalışmanın ikinci aşamasında, ürün tabanlı çok ölçütlü en iyi-n öneri sistemlerinin şilin saldırılara karşı ne derece gürbüz olduğunun analizi gerçekleştirilmiştir. Çalışmada ürün tabanlı sistemler de oldukça başarılı yeni bir atak modeli olan güçlü ürün atak tipinin dört farklı varyantı kullanılmıştır. Saldırıların etkinliği için yeni ve mevcut değerlendirme kriterleri, çok ölçütlü sistemlere uyarlanmış bir saldırı modeli, hedef ve güçlü ürün seçimini içeren deneysel bir tasarım kullanılmıştır. Gerçek dünya veri setine dayanan deneysel sonuçlara göre, çok ölçütlü en iyi-n algoritmalarının manipülasyonlara açık olduğu görülmüştür. Manipülasyonlara açık bu sistemleri bu tür saldırılara karşı savunmak için çeşitli yöntemler mevcut olsa da şilin profillerini yakalayarak sağlam sistemler elde etmek, çok ölçütlü derecelendirmeye dayalı olanlar için zor olmaya devam etmektedir. Dolayısıyla son fazda, kullanıcı özelliklerine dayalı olarak sahte profilleri tespit eden bir sınıflandırma yöntemi önerilmiştir. Bu kullanıcı özelliklerine, literatürde var olan genel ve model tabanlı yöntemlere ek olarak ürün popülerliğine ve kullanıcı karakteristik yapısına dayalı yeni özellikler eklenmiştir. Deneysel sonuçlarda, önerilen yöntemin, seçilen boyutunun ve saldırı boyutunun küçük olması durumunda bile gerçek kullanıcılardan saldırı profillerini başarılı bir şekilde ayırt ettiği sonucuna varılmıştır. Ampirik sonuçlar ayrıca, derecelendirme profillerine dayalı ürün popülerliği ve kullanıcı özelliklerinin, şilin saldırı profillerini yakalamada oldukça faydalı özellikler olduğunu göstermiştir