Tez No	İndirme	Tez Künye	Durumu
730224		Çok ölçütlü oy değerleri üzerinde en iyi-N öneri sistemi ve şilin atakların etkisi / Top-N recommender system and effect of shilling attack onmulti-criteria rating values Yazar:TUĞBA KAYA Danışman: PROF. DR. CİHAN KALELİ Yer Bilgisi: Eskişehir Teknik Üniversitesi / Lisansüstü Eğitim Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Bilimleri Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Gürbüz kararlılık = Robust stability ; Öneri sistemleri = Suggestion systems ; İşbirlikçi filtreleme = Collaborative filtering	Onaylandı Doktora Türkçe 2022 137 s.
Öneri sistemleri, kullanıcıların bir ürün için tahminler oluşturmasına ve kullanıcıların geri bildirimlerine dayalı olarak ürün listeleri sunulmasına yardımcı olan popüler yöntemlere sahiptir. Bu tür sistemlerin çıktıları, doğru öneriler üreterek müşteri memnuniyetini artırabilir. Ancak, sistemlerin başarısı, kullanıcı tercih verilerinin kişiselleştirilme düzeyine bağlıdır. Dolayısıyla daha detaylı müşteri verilerinin toplanması ile bu kişiselleştirme seviyesini artırmak mümkündür. Çok ölçütlü öneri sistemleri olarak adlandırılan bu sistemler, artırılmış bu kişiselleştirme seviyeleri ile kullanıcıya daha doğru tavsiyeler sunulmasını sağlar. Ancak literatürdeki çalışmalara bakıldığında çok ölçütlü sistemler üzerine geliştirilmiş bir en iyi-n öneri sistemlerinin yer almadığı görülmektedir. Bu tez kapsamında ilk olarak, çok ölçütlü veri kümeleri için yeni bir komşuluk oluşturma süreci ile sezgisel bulanık küme tabanlı en iyi-n öneri sistemi yöntemi önerilmektedir. Önerilen yöntem iki önemli noktadan oluşmaktadır: i) Ürünler arasındaki ilişkisel yapının belirlenmesi; ii) Kullanıcı eğilimlerinin, ayırt edici yapılarının ve derecelendirme dağılımlarının araştırılmasıdır. Derecelendirme dağılımı ve ürünler arasındaki ilişkisel yapı, birliktelik kuralı ve Entropi ölçümü ile belirlenirken, değerlendirme sırasında kullanıcıların tutum ve eğilimleri sezgisel bulanık kümeler kullanılarak analiz edilmektedir. Önerilen yaklaşımların performans karşılaştırması, tek ölçütlü sistemlerde yer alan algoritmanın çok ölçütlü sisteme uyarlanması ile gerçekleştirilmiştir. Kullanıcı memnuniyetinin yanı sıra önerilen listenin şans eser bulma, çeşitlilik ve yenilik gibi farklı ölçümlerde gerçekleştirilmiştir. Önerilen yöntemlerin kullanıcıya oldukça başarılı/doğru tavsiyeler sunduğu ve kullanıcı memnuniyetinin sağlandığı görülmüştür. Kullanıcıya başarılı tavsiyeler sunmanın yanı sıra, şilin saldırılarına karşı güvenlik açığı, öneri sistemlerinin performansını kötü etkilemektedir. Bu nedenle çalışmanın ikinci aşamasında, ürün tabanlı çok ölçütlü en iyi-n öneri sistemlerinin şilin saldırılara karşı ne derece gürbüz olduğunun analizi gerçekleştirilmiştir. Çalışmada ürün tabanlı sistemler de oldukça başarılı yeni bir atak modeli olan güçlü ürün atak tipinin dört farklı varyantı kullanılmıştır. Saldırıların etkinliği için yeni ve mevcut değerlendirme kriterleri, çok ölçütlü sistemlere uyarlanmış bir saldırı modeli, hedef ve güçlü ürün seçimini içeren deneysel bir tasarım kullanılmıştır. Gerçek dünya veri setine dayanan deneysel sonuçlara göre, çok ölçütlü en iyi-n algoritmalarının manipülasyonlara açık olduğu görülmüştür. Manipülasyonlara açık bu sistemleri bu tür saldırılara karşı savunmak için çeşitli yöntemler mevcut olsa da şilin profillerini yakalayarak sağlam sistemler elde etmek, çok ölçütlü derecelendirmeye dayalı olanlar için zor olmaya devam etmektedir. Dolayısıyla son fazda, kullanıcı özelliklerine dayalı olarak sahte profilleri tespit eden bir sınıflandırma yöntemi önerilmiştir. Bu kullanıcı özelliklerine, literatürde var olan genel ve model tabanlı yöntemlere ek olarak ürün popülerliğine ve kullanıcı karakteristik yapısına dayalı yeni özellikler eklenmiştir. Deneysel sonuçlarda, önerilen yöntemin, seçilen boyutunun ve saldırı boyutunun küçük olması durumunda bile gerçek kullanıcılardan saldırı profillerini başarılı bir şekilde ayırt ettiği sonucuna varılmıştır. Ampirik sonuçlar ayrıca, derecelendirme profillerine dayalı ürün popülerliği ve kullanıcı özelliklerinin, şilin saldırı profillerini yakalamada oldukça faydalı özellikler olduğunu göstermiştir
Recommendation systems have popular ways of helping users generate estimates for a product and create product lists based on users' feedback. The outputs of such systems can increase customer satisfaction by generating accurate recommendations. However, the success of the systems depends on the level of customization of the user preference data. Therefore, it is possible to increase this level of personalization by collecting more detailed customer data. These systems, called multi-criteria recommendation systems, provide more accurate recommendations to the user with these increased levels of customization. However, when we look at the studies in the literature, it is seen that there are no top-n recommendation systems developed on multi-criteria systems. In this thesis, firstly, a new neighborhood creation process and an intuitive fuzzy set-based top-n recommendation system method are proposed for multi-criteria datasets. The proposed method consists of two important points: i) determining the relational structure between products; ii) the investigation of user trends, distinctive structures, and rating distributions. While the relational structure between the rating distribution and products is determined by the association rule and Entropy measurement, the attitudes and tendencies of the users are analyzed using intuitionistic fuzzy sets during the evaluation. The performance comparison of the proposed approaches is carried out by adapting the algorithm in the single-criteria systems to the multi-criteria system. In addition to user satisfaction, the proposed list is based on different measures such as serendipity, diversity, and novelty. It has been seen that the suggested methods offer very successful/correct recommendations to the user, and user satisfaction is achieved. In addition to providing successful recommendations to the user, the vulnerability to shilling attacks adversely affects the performance of recommendation systems. Therefore, in the second stage of the study, an analysis of how robust the item-based multi-criteria top-n recommendation systems are against shilling attacks is carried out. In the study, four different variants of the power item attack type, which is a very successful new attack model in item-based systems, are used. An experimental design including new and existing evaluation criteria for the effectiveness of attacks, an attack model adapted to multi-criteria systems, a target, and strong product selection is used. According to the experimental results based on the real-world dataset, it has been seen that the multi-criteria top-n algorithms are open to manipulations. While various methods exist to defend these manipulated systems against such attacks, obtaining robust systems by capturing shilling profiles remains difficult for those based on multi-criteria ratings. Therefore, in the last phase, a classification method is proposed that detects fake profiles based on user characteristics. In addition to the general and model-based methods available in the literature, new features based on product popularity and user characteristics have been added to these user features. From the experimental results, it is concluded that the proposed method successfully distinguishes attack profiles from real users even when the selected size and attack size are small. Empirical results also show that product popularity and user attributes based on rating profiles are highly useful features in capturing shilling attack profiles.