İşbirlikçi filtrelemede kümeleme ve boyut azaltma yaklaşımlarının performanslarının karşılaştırılması

Öneri sistemleri (ÖS), özellikle e-ticaret hizmeti veren sistemlerde kullanıcıların geçmiş ürün tercihlerine ve sistemdeki diğer kullanıcılarla benzerliklerine dayanarak kullanıcılara kişiselleştirilmiş ürün ve hizmetleri öneri olarak sunmayı hedefleyen sistemler olarak tanımlanabilir. ÖS'lerin en temel amacı, büyük ölçekli veriler arasından kullanıcılar için anlamlı bilgiler ortaya çıkarmak ve kullanıcı ve ürünlerin karmaşıklığını azaltmaktır. ÖS'de kullanılan teknikleri girdi olarak aldıkları bilgilere göre içerik tabanlı ve işbirlikçi filtreleme(IF) olarak iki ana kategoriye bölmek mümkündür. İçerik tabanlı öneri sistemleri, öneri geliştirmek amacıyla makale, film, müzik ve roman gibi ürünlerin içerikleri ile ilgilenir. İF yöntemlerinde ise kullanıcıların ürün ve hizmetlere verdikleri puanlar dikkate alınır. IF teknikleri bu tezin ana konusunu oluşturmaktadır. IF tekniklerinin başarısı kullanıcılar arasındaki benzerliklerin doğru bir şekilde belirlenmesine bağlıdır. Ancak IF tekniklerinde çok sayıda kullanıcı ve kullanıcıların bu ürünlere verdikleri puanlardan oluşan büyük ölçekli veri setleri kullanılmakta ve dolayısıyla bu tür veri setlerinde kullanıcılar arasındaki benzerliklerin doğru bir şekilde tespit edilmesi oldukça güç olmaktadır. Bu problemin üstesinden gelmek amacıyla iki farklı yöntem kullanılmaktadır. Bu yöntemlerden ilkinde veri setine kümeleme analizi teknikleri kullanılarak birey bazında (kullanıcı veya ürün) daha küçük boyutlu veri setleri elde edilmekte ve İF yöntemleri bu veri setlerine uygulanmaktadır. Diğer yöntemde ise Tekil Değer Ayrışımı (TDA) ve Temel Bileşenler Analizi (TBA) yöntemleri kullanılarak boyut azaltma işlemi ürün (nesne) bazında gerçekleştirilmektedir. Şu ana kadar kümeleme analizi ve değişken boyut azaltma yöntemleri kullanan çok sayıda çalışma gerçekleştirilmiştir. Ancak değişik kümeleme ve boyut azaltma yöntemlerin gerçek veri setlerindeki performanslarını karşılaştırmak amacıyla geniş kapsamlı bir çalışma gerçekleştirilmemiştir. Bu tezde dördü hiyerarşik olmayan yedisi hiyerarşik kümeleme algoritmalarından oluşan onbir kümeleme tekniği ve TDA ve TBA tekniklerinden oluşan iki değişken boyut azaltma tekniğinin İF'de performanslarının karşılaştırılması amaçlanmıştır. Bu amaca yönelik olarak değişik kullanıcı ve ürün sayılarına sahip dokuz gerçek veri setleri kullanılmıştır.