Kişilik bilinçli öneri sistemlerinde popülerlik önliliklerini ele almak

Tavsiye sistemleri çeşitli alanlarda yaygın olarak kullanılmaktadır ve kullanıcıların tercihlerine en uygun ürünü belirlemelerine yardımcı olmaktadır. Bununla birlikte, öneri algoritmalarında bilinen bir popülerlik yanlılığı sorununun varlığı, öneri listelerinde yalnızca popüler öğeleri (baş öğeler) vurgular ve daha az popüler öğeleri (kuyruk öğeler) göz ardı eder. Bu sayede kuyruk öğeleri görünmez kalır ve kullanıcı yalnızca başlık öğelerini öneri olarak görür. Bu dengesizlik yaklaşımının arkasında yatan neden derecelendirmelerin hatalı dağılımıdır. Ön işleme, işleme içi ve işleme sonrası teknikler gibi popülerlik yanlılığı sorununun çözülebileceği çeşitli teknikler mevcuttur. Bu araştırma, öneri sürecindeki yanlılık etkisini azaltmak için bir ön işleme tekniği sunmaktadır. Önerilen teknik, kişiliğe duyarlı tavsiyeler alanındaki kuyruk öğelere sentetik derecelendirmelerin enjeksiyonu kavramını tanıtmaktadır. Sentetik enjeksiyon yöntemi kullanılarak derecelendirme dengesizliği azaltılarak verimli ve adil öneriler sağlanır. Bu amaçla, önerilen yöntem öncelikle enjekte edilecek derecelendirme sayısını bulmak için ana öğelerin ortalama derecelendirme sayısını hesaplar. Sentetik derecelendirme sayısı tahmininden sonra sistem, enjekte edilecek sentetik derecelendirmelerin değerini hesaplar. Önerilen sistemin performansı doğruluk ve doğruluk ötesi metrikler kullanılarak tahmin edilmektedir. Bu çalışma, hem doğruluk hem de doğruluk ötesi metriklerin etkinliğini dengeleyen genel performans göstergesi adı verilen yeni bir değerlendirme metriği önermektedir.