Kullanıcı Eğilimlerinin Göreceli Modellenmesinin Popülerlik Yanlılığına Etkisi

Authors : Nilüfer Balli, Tuğba Türkoğlu Kaya

Pages : 671-686

Doi:10.21605/cukurovaumfd.1748924

View : 30 | Download : 30

Publication Date : 2025-09-26

Article Type : Research Paper

Abstract :Dijitalleşmenin hızlanmasıyla kullanıcılar çok sayıda ürün ve hizmet seçeneğiyle karşı karşıya kalmakta, bu da kişiselleştirilmiş içeriklere erişimi zorlaştırmaktadır. Öneri sistemleri bu soruna çözüm sunmakla birlikte, geleneksel yaklaşımlar genellikle tek boyutlu puanlara dayanmakta ve popüler içerikleri öne çıkarma eğilimindedir. Bu durum önerilerin çeşitlilik ve adaletini sınırlandırmaktadır. Bu çalışmada, çok boyutlu veriler üzerinde kullanıcıların puanlama davranışlarını bağlamsal olarak analiz eden yeni bir yöntem olan RelPop önerilmektedir. RelPop, aynı puanın farklı kullanıcılar için göreli anlamını dikkate alarak içerikleri yeniden sıralamakta, böylece önerilerin özgünlük ve adalet düzeyi artmaktadır. Ayrıca, öneri listelerindeki popülerlik yanlılığını ölçmek için ADPI metriği geliştirilmiştir. İki çok ölçütlü veri seti üzerinde yapılan deneyler, RelPop’un önerilerin yenilik ve özgünlüğünü artırdığını, ADPI’nın ise popülerlik yanlılığını daha hassas biçimde ortaya koyduğunu göstermektedir.
Keywords : Çeşitlilik, Çok ölçütlü öneri sistemleri, Göreceli skor, Popülerlik yanlılığı

ORIGINAL ARTICLE URL