Filling missing ratings in privacy-preserving collaborative filtering systems

Ortak filtreleme kullanıcıların değerlemelerini kullanarak benzer kullanıcıları tespit eden ve onlar için tahmin üreten etkili bir kişiye özgü öneri tekniğidir. Fakat bu teknikle ilgili tartışmalı birinci mesele, ciddi mahremiyet risklerini de beraberinde getiren birçok kişisel bilginin ortak filtreleme sistemleri ile paylaşılmasıdır. Gizliliği koruyan ortak filtreleme algoritmaları temelde bu gizlilik sorununu çözmek için geliştirilmiştir. Toplanan veri setindeki kayıp değerler ise ortak filtreleme sistemlerinin bir başka temel sorunudur. Ortak filtreleme sistemlerinde çok fazla ürün olduğu için genellikle kullanıcılar bu ürünlerin hepsini oylayamadığı gibi aksine az ve sınırlı sayıda ürünü oylamaktadırlar. Bunun sonucunda ise benzer kullanıcıları bulup onlar için doğru tahminler üretmek için yetersiz miktarda bilgi elde edilmektedir. Çok boşluklu kullanıcı-ürün matrisi ortak filtreleme algoritmalarının genel performansını olumsuz etkilemektedir. Literatürde bu problemi ortadan kaldırmak için oluşturulmuş hali hazırda bazı yöntemler mevcuttur. Bunlardan bazıları elde bulunan verileri kullanarak kayıp değerleri doldururken diğerleri ise yardımcı verilerden faydalanırlar. Benzer problem gizlilik-tabanlı ortak filtreleme algoritmalarında da mevcuttur. Bu çalışmanın amacı, çeşitli gizlilik temelli ortak filtreleme algoritmaları üzerinde bazı yardımcı veri kullanmayan kayıp değer doldurma metotlarını uygulayarak öneri kalitesini arttırmaktır. Hali hazırdaki metotlar maskelenmiş seyrek veriye uygulanacak şekilde değiştirilecektir. Gerçek veri setleri ile deneyler yapılarak önerilen kayıp değerlemeleri işleme yöntemlerinin gizlilik-tabanlı ortak filtreleme sistemlerinde ne kadar başarılı oldukları tespit edilecektir.