Informatycy wykorzystują sieci społecznościowe do tworzenia nowego systemu rekomendacji

Systemy polecające stały się ważną siłą w handlu internetowym. Witryny takie jak Amazon i Netflix mają ogromne bazy danych, które rejestrują zakupy i preferencje każdego użytkownika. Dzięki temu firmy te mogą dopasować użytkowników o podobnych zainteresowaniach i preferencjach.

Kiedy konkretny użytkownik odwiedza witrynę, system rekomendacji wykorzystuje te informacje do polecania produktów, które lubią również inni o podobnych preferencjach. Jest to proces zwany filtrowaniem grupowym i opiera się na nim większość komercyjnych systemów rekomendacji.

Jest jednak inny sposób na wydawanie zaleceń, który cieszy się znacznie mniejszą uwagą, mówi Shang Shang z Princeton University w New Jersey i kilku kumpli.

Ci faceci podkreślają, że istnieje wiele dowodów na to, że preferencje są zaraźliwe. Oznacza to, że mogą przepływać przez sieci społecznościowe w taki sam sposób, w jaki rozprzestrzeniają się epidemie.

Tak więc alternatywnym sposobem wydawania zaleceń jest przyjrzenie się strukturze sieci społecznościowej danej osoby i przewidzenie, w jaki sposób pewne preferencje mogą się w niej rozprzestrzeniać.

W przeszłości czynnikiem ograniczającym sukces tego typu predykcji była szczegółowa znajomość struktury sieci. Ale wszystko to zmieniło się w ostatnich latach wraz z ogromną popularnością internetowych sieci społecznościowych. Teraz łatwo jest zobaczyć, jak poszczególne osoby są ze sobą powiązane.

Podstawowym założeniem Shanga i współpracownika jest to, że jeśli Adamowi spodoba się film, z pewnym prawdopodobieństwem ta preferencja rozprzestrzeni się na jego najbliższych sąsiadów w sieci społecznościowej – jego przyjaciół. Jeśli wystarczająca liczba ludzi podziela tę preferencję, może ona przepływać przez sieć jak łanie grypy.

Tak więc jednym ze sposobów przewidzenia, że ​​Ewie spodoba się ten film, jest zobaczenie, jak blisko jest Adama i jak prawdopodobne jest, że ta preferencja do niej dotrze. Jeśli Adam i Ewa są bliskimi przyjaciółmi, może to być stosunkowo wysokie.

To ciekawy pomysł, ale sprawdzianem będzie, czy sprawdzi się w praktyce. Ważnym pytaniem jest to, na ile będzie to przydatne komercyjnie. Model zarażenia społecznego może być predykcyjny, ale czy w praktyce wpłynie na decyzje zakupowe? Czy system rekomendacji będzie miał na Ewę tak samo wpływ, jak opinia ustna jej przyjaciela Adama?

Shang i współpracownicy nie wiedzą, ale planują dowiedzieć się, korzystając z danych z Yelp.com, które dostarczają oceny użytkowników restauracji, spa itp. Jeśli to zadziała, jestem pewien, że znowu się od nich usłyszymy.

Nr ref.: arxiv.org/abs/1208.0782 : Mądrość tłumu: Uwzględnianie wpływu społecznego w modelach rekomendacji

ukryć