Probabilistic matrix factorization based collaborative filtering with implicit trust derived from review ratings information

Abstract

Öneri sistemleri kullanıcı profilleri, güven bilgisi ve kullanıcının geçmiş tercihleri gibi çeşitli bilgileri kullanarak kullanıcının beğenisine en çok hitap etme olasılığı olan nesneleri önermeyi hedefler. Ancak, geleneksel öneri sistemlerinde ölçeklenebilir olmama, kapsamlı ve faydalı öneriler üretememe ve veri eksikliği gibi sorunlar bulunmaktadır.Bu tez kapsamında önerilen olasılıksal dizey çarpanlarına ayırmaya dayanan yerel güven bilgisini kullanan sistemle, veri eksikliği, ölçeklenebilirlik ve anlaşılabilirlik problemleri ele alınmıştır. Bu metot kullanıcılar tarafından verilen yorum puanlarındaki gizli güven bilgisini kullanmaktadır. Epinions.com veri kümesi üzerinde yapılan deneyler, önerilen metodun literatürdeki metodlarla kıyaslanabilir sonuçlar ürettiğini göstermiştir.Bu tez kapsamında, gizli yöney başlatmanın dizey çarpanlarına ayırma modellerine etkisi analiz edilip, seçilen değerlendirme ölçütleri ile farklı başlatma teknikler karşılaştırılmıştır.

Recommender systems aim to suggest relevant items that are likely to be of interest to the users using a variety of information resources such as user profiles, trust information and users past predictions. However, typical recommender systems suffer from poor scalability, generating incomprehensible and not useful recommendations and data sparsity problem.In this work, we have proposed a probabilistic matrix factorization based local trust boosted recommendation system which handles data sparsity, scalability and understandability problems. The method utilizes the implicit trust in the review ratings of users. The experiments conducted on Epinions.com dataset showed that our method compares favorably with the methods in the literature.In the scope of this work, we have analyzed the effect of latent vector initialization in matrix factorization models; different techniques are compared with the selected evaluation criteria.