Detekce uživatelských podúčtů pro lepší doporučování

Abstract

Sdílení účtů ve streamovacích službách má negativní dopad na doporučovací systémy a následně i na kvalitu služeb poskytovanou jejich uživatelům. Tato práce má za cíl navrhnout metodu schopnou detekce takových uživatelských účtu. Navrhli jsme tedy a následně implementovali algoritmy založené na kolaborativním filtrování a metodě klouzajícího okénka, které jsou schopné odhalit sdílené účty. Představené algoritmy umožňují detekovat aktivitu jiných osob s vysokou přesností. Tato aktivita může být z účtu odfiltrována tak, aby doporučovací systém obdržel pouze relevantní data. Kromě toho se uživatelé snaží sdílením účtu vyhnout platbě předplatného, a tak mohou být takové účty omezeny.

Account sharing in online streaming services has a negative impact on recommendation systems and consequently on the quality of services provided to the users. This thesis aims to design a method capable of detecting such accounts. To address this issue, we designed and implemented algorithms based on collaborative filtering and sliding window method revealing shared accounts. The proposed algorithms allow detection of other user's activity with high accuracy, which can be filtered and recommendation system gets only relevant data for a given user. Furthermore shared accounts can be restricted since there is a subscription that users try to avoid.