Mahremiyeti koruyan, merkezi, hibrit film öneri sistemi: araçlar arası internet için bir yaklaşım

Basit Öğe Kaydı
dc.authorid0000-0001-6449-6998
dc.contributor.authorŞimşek, Musaen_US
dc.contributor.authorTüysüz Erman, Ayşegülen_US
dc.date.accessioned2025-09-29T10:58:54Z
dc.date.available2025-09-29T10:58:54Z
dc.date.issued2025-08-15
dc.departmentIşık Üniversitesi, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.departmentIşık University, School of Graduate Studies, Master’s Program in Computer Engineeringen_US
dc.departmentIşık Üniversitesi, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümüen_US
dc.departmentIşık University, Faculty of Engineering and Natural Sciences, Department of Computer Engineeringen_US
dc.description.abstractBu çalışmada, kullanıcı verilerinin gizliliğini korurken öneri doğrulu günü artırmayı hedefleyen, diferansiyel mahremiyet destekli hibrit bir öneri modeli sunulmuştur. Model mimarisi, Matris Çarpanlaması (MF), Çok Katmanlı Algılayıcı (MLP) ve Uzun Kısa Süreli Bellek (LSTM) ağlarını birleştirmektedir. Laplace mekanizmasına dayalı gürültü enjeksiyonu ile eğitim sürecinde diferansiyel mahremiyet sağlanmış ve ayrıca hiperparametre optimizasyonu uygulanmıştır. Model, kullanıcı film etkileşimlerini içeren MovieLens 100K veri kümesi üzerinde değerlendirilmiştir. Performans değerlendirmesi MSE, MAE ve NDCG metrikleriyle yapılmış; hiperparametre optimizasyonu ile MSE bazında yaklaşık %4 iyileşme sağlandığı, yüksek gizlilik düzeyinde ise doğrulukta yaklaşık %39 oranında bozulma yaşandığı gözlemlenmiştir.en_US
dc.description.abstractThis study presents a hybrid recommendation model supported by differential privacy, aiming to enhance recommendation accuracy while preserving user data privacy. The proposed architecture integrates Matrix Factorization (MF), a Multilayer Perceptron (MLP), and a Long Short-Term Memory (LSTM) network. Differential privacy is ensured during training by injecting Laplace noise into model gradients, and hyperparameter optimization is also applied. The model is evaluated on the MovieLens 100K dataset, which contains user–item interaction data. Performance evaluation based on MSE, MAE, and NDCG metrics shows that hyperparameter optimization yields approximately a 4% improvement in MSE compared to the baseline model. In contrast, under high privacy settings, a significant degradation in accuracy is observed, with MSE increasing by approximately 39%.en_US
dc.description.versionPublisher's Versionen_US
dc.identifier.citationŞimşek, M. & Tüysüz Erman, A. (2025). Mahremiyeti koruyan, merkezi, hibrit film öneri sistemi: araçlar arası internet için bir yaklaşım. Paper presented at the 2025 33rd Signal Processing and Communications Applications Conference (SIU), 1-4. doi:https://doi.org/10.1109/SIU66497.2025.11111781en_US
dc.identifier.doi10.1109/SIU66497.2025.11111781
dc.identifier.endpage4
dc.identifier.isbn9798331566555
dc.identifier.isbn9798331566562
dc.identifier.issn2165-0608
dc.identifier.scopus2-s2.0-105015407381
dc.identifier.scopusqualityN/A
dc.identifier.startpage1
dc.identifier.urihttps://hdl.handle.net/11729/6729
dc.identifier.urihttps://doi.org/10.1109/SIU66497.2025.11111781
dc.identifier.wosWOS:001575462500021
dc.identifier.wosqualityN/A
dc.indekslendigikaynakScopusen_US
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakConference Proceedings Citation Index – Science (CPCI-S)en_US
dc.institutionauthorŞimşek, Musaen_US
dc.institutionauthorTüysüz Erman, Ayşegülen_US
dc.institutionauthorid0000-0001-6449-6998
dc.language.isotren_US
dc.peerreviewedYesen_US
dc.publicationstatusPublisheden_US
dc.publisherInstitute of Electrical and Electronics Engineers Inc.en_US
dc.relation.ispartof2025 33rd Signal Processing and Communications Applications Conference (SIU)en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Öğrencien_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectMerkezi öğrenmeen_US
dc.subjectHiperparametre optimizasyonuen_US
dc.subjectAraçlar arası interneten_US
dc.subjectMahremiyet artırıcı teknolojileren_US
dc.subjectÖneri sistemlerien_US
dc.subjectCentralized learningen_US
dc.subjectHyperparameter optimizationen_US
dc.subjectInternet-of-vehiclesen_US
dc.subjectPrivacy enhancing technologiesen_US
dc.subjectRecommendation systemsen_US
dc.subjectDifferential privacyen_US
dc.subjectFactorizationen_US
dc.subjectLaplace transformsen_US
dc.subjectLong short-term memoryen_US
dc.subjectMatrix algebraen_US
dc.subjectMemory architectureen_US
dc.subjectOptimizationen_US
dc.subjectPrivacy-preserving techniquesen_US
dc.subjectCentraliseden_US
dc.subjectDifferential privaciesen_US
dc.subjectHybrid recommendationen_US
dc.subjectHyper-parameter optimizationsen_US
dc.subjectMovie recommendationsen_US
dc.subjectPrivacy preservingen_US
dc.subjectRecommendation accuracyen_US
dc.subjectRecommender systemsen_US
dc.titleMahremiyeti koruyan, merkezi, hibrit film öneri sistemi: araçlar arası internet için bir yaklaşımen_US
dc.title.alternativeA privacy-preserving centralized hybrid movie recommendation system for internet of vehiclesen_US
dc.typeConference Objecten_US
dspace.entity.typePublicationen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
A_Privacy_Preserving_Centralized_Hybrid_Movie_Recommendation_System_for_Internet_of_Vehicles.pdf
Boyut:
290.09 KB
Biçim:
Adobe Portable Document Format
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Öğrenci Yayınları Bildiri Koleksiyonu
Bildiri Koleksiyonu | Bilgisayar Mühendisliği Bölümü
Lisansüstü Eğitim Enstitüsü Diğer Yayınlar Koleksiyonu
Scopus İndeksli Yayınlar Koleksiyonu
WoS İndeksli Yayınlar Koleksiyonu