211service.com
Computerwetenschappers maken misbruik van sociale netwerken om een nieuw aanbevelingssysteem te creëren
Aanbevelingssystemen zijn een belangrijke factor geworden in de online handel. Sites zoals Amazon en Netflix hebben enorme databases die de aankopen en voorkeuren van elke gebruiker registreren. Hierdoor kunnen deze bedrijven gebruikers met dezelfde interesses en voorkeuren matchen.
Wanneer een bepaalde gebruiker de site bezoekt, gebruikt het aanbevelingssysteem deze informatie om producten aan te bevelen die anderen met vergelijkbare voorkeuren ook leuk vinden. Dat is een proces dat collaboratieve filtering wordt genoemd en de meeste commerciële aanbevelingssystemen vertrouwen erop.
Er is echter een andere manier om aanbevelingen te doen waar veel minder aandacht aan is besteed, zeggen Shang Shang van de Princeton University in New Jersey en een paar maatjes.
Deze jongens wijzen erop dat er voldoende bewijs is dat voorkeuren besmettelijk zijn. Dat betekent dat ze op dezelfde manier door sociale netwerken kunnen stromen als epidemieën zich verspreiden.
Een alternatieve manier om aanbevelingen te doen, is dus te kijken naar de structuur van het sociale netwerk van een persoon en te voorspellen hoe bepaalde voorkeuren zich daar doorheen zullen verspreiden.
In het verleden was een gedetailleerde kennis van de structuur van het netwerk de factor die het succes van dit type voorspelling beperkte. Maar dat is allemaal veranderd in de afgelopen jaren met de enorme populariteit van online sociale netwerken. Het is nu eenvoudig om te zien hoe individuen zijn gekoppeld.
Het uitgangspunt van Shang en co is dat als Adam van een film houdt, die voorkeur zich met een zekere waarschijnlijkheid zal verspreiden naar zijn naaste buren op zijn sociale netwerk, zijn vrienden. Als genoeg mensen deze voorkeur delen, kan het als een griep door het netwerk stromen.
Dus een manier om te voorspellen dat Eva deze film leuk zal vinden, is door te kijken hoe dicht ze bij Adam staat en hoe waarschijnlijk het is dat deze voorkeur haar zal bereiken. Als Adam en Eva goede vrienden zijn, is de kans relatief groot.
Dat is een interessant idee, maar de zuurtest zal zijn of het in de praktijk werkt. Een belangrijke vraag is hoe commercieel bruikbaar het zal zijn. Het sociale besmettingsmodel is misschien voorspellend, maar zal het in de praktijk van invloed zijn op koopbeslissingen? Zal Eva net zo worden beïnvloed door het aanbevelingssysteem als door de mond-tot-mondreclame van haar vriend Adam?
Shang en co weten het niet, maar ze zijn van plan om erachter te komen met behulp van gegevens van Yelp.com, die gebruikersbeoordelingen van restaurants, spa's enz. geeft. Als het werkt, zullen we zeker weer van hen horen.
Referentie: arxiv.org/abs/1208.0782 : Wisdom of the Crowd: sociale invloed opnemen in aanbevelingsmodellen