Kullanıcı Tabanlı ve Öğe Tabanlı İşbirlikçi Filtreleme ile Kümeleme Algoritmalarının Değerlendirilmesi

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