Akademik Veri Yönetim Sistemi
Yavru İ. B., Gündüz S. Y.(Yürütücü)
Yükseköğretim Kurumları Destekli Proje, 2022 - 2024
Günümüzde giderek artan veri yoğunluğu ve internet kullanıcılarının aradığı bilgiye ulaşmalarındaki zorluk, öneri sistemlerini günümüzde vazgeçilmez teknolojilerden biri haline getirmiştir. Bu bağlamda birçok yeni öneri sistemi algoritmaları önerilmiştir. Hesaplama gücünün artmasıyla öneri sistemlerinde derin sinir ağları da kullanılmaya başlanmıştır. Birçok derin öğrenme yöntemi öneri sistemlerindeki başarıyı arttırmıştır. Ancak öneri üretme sürecinde genellikle üretilen önerilerin başarısı, doğruluk metriği üzerinden ölçülmüştür. Bu da beraberinde bazı problemleri ortaya çıkarmıştır. Son zamanlarda çalışılmaya başlanan öneri sistemlerindeki yanlılık problemi bunların en önemlilerinden birisidir.
Genel olarak, öneri sistemlerinde elde edilmesi beklenen başarı, mümkün olduğunca çok sayıda ilgili öğe önermek ve bir sistemin genel doğruluğunu maksimize etmek olmuştur. Sistem tarafından üretilen öneriler bağlamında, yenilik iki anlamda sunulmuştur. Birincisi bir öğenin kullanıcı tarafından bilinmemesidir. Bu durum önerilerin tamamını kapsayacak şekilde küresel olarak sistem faydasını yansıtmaktadır. Yeniliğin öneri sistemlerindeki İkinci anlamı ise bir öğenin kullanıcı tarafından daha önce görülmediğidir, bu da kullanıcı düzeyinde yeniliği yansıtmaktadır. Basit manada önerilen bir öğenin kullanıcı tarafından daha önceden bilinip bilinmediğini ölçmek için yenilik ölçeği kullanılır. Bu bağlamda, popüler öğeler kullanıcılar tarafından zaten bilinmektedir ve bu nedenle bunları önermek düşük yenilikle sonuçlanacaktır.
Çeşitlilik, belirli bir öneri listesindeki öğelerin, kullanıcının yeterli seçeneğe sahip olması için birbirinden farklı olmasının daha iyi olduğu gerçeğini ifade etmektedir. Örneğin bir kitap önerisinde Yüzüklerin Efendisi-1, Yüzüklerin Efendisi-2 ve Yüzüklerin Efendisi-3 içeren bir liste, kullanıcı bilim kurgu kategorisindeki kitaplara ilgi duysa bile, listede kullanıcı için yeterli seçenek olmadığından iyi bir öneri listesi değildir. Oysa listede çeşitli bilim kurgu kitapları olsaydı, çok daha iyi bir öneri sunulmuş olacaktı. Bu durum çeşitliliğin öneri kalitesindeki önemini göstermektedir.
Yapılması planlanan bu tez çalışmasında derin öneri sistemlerinin popülerlik yanlılığı sorununa, doğruluğa zarar vermeden çözüm sunulması hedeflenmektedir. Ayrıca önerilen öğelerin kullanıcı perspektifinden adilliğinin de sağlanması amaçlanmaktadır.
Sunulacak yöntem sayesinde öneriler, kullanıcıların popüler ve popüler olmayan (uzun kuyruk öğeleri) öğelere ilgileri oranında üretilecektir. Böylece kullanıcı deneyimine zarar vermeden, yeni öğeler sunulması hedeflenmektedir.