Kullanıcı Tabanlı ve Öğe Tabanlı İşbirlikçi Filtreleme ile Kümeleme Algoritmalarının Değerlendirilmesi

Abstract

ÖzÖneri sistemleri, kullanıcıların memnuniyetini ve bağlılığını arttırıp, kullanıcılara kişiselleştirilmiş sistem deneyimini yaşatabilmek için geliştirilmiştir. Öneri sistemleri sayesinde kullanıcılar tercihlerine en uygun olan sonucu en az çaba göstererek bulabilmektedirler. Kullanıcıya özel öneri sistemlerinin önemi son yıllarda giderek artmakta ve filmler, şarkılar, haberler başta olmak üzere çeşitli alanlarda uygulanmaktadır. Öneri sistemleri hafıza tabanlı ve model tabanlı olmak üzere ikiye ayrılmaktadır. Model tabanlı filtreleme yaklaşımlarından olan işbirlikçi filtreleme yöntemleri, öneri sistemlerinde yaygın olarak kullanılmaktadır. Bu çalışmada Jester veri seti içerisinde bulunan şakalar kullanıcı tabanlı ve öge tabanlı işbirlikçi filtreleme yöntemleri ile kümelenmiştir. Sonuçlar Davies-Bouldin İndeksi, Dunn İndeksi ve Silhouette Katsayısı değerlerine göre karşılaştırılmıştır. Karşılaştırmaların sonuçlarına göre öge tabanlı işbirlikçi filtreleme yönteminin kullanıcı tabanlı işbirlikçi filtreleme yöntemine göre daha iyi bir doğruluk sağladığı görülmüştür.