Modellering af sløjfen mellem meningsdannelse og personlige anbefalinger

Forskere ved University of Twente og CNRS har for nylig udført en undersøgelse, der undersøger forholdet mellem brugernes meninger og de personlige anbefalinger, de modtager online. I deres papir, som blev forudgivet på arXiv, de foreslog en model, der skitserer denne interaktion, derefter evalueret det gennem omfattende simuleringer og en matematisk analyse.

"Vi møder alle anbefalingssystemer i vores daglige liv, så snart vi når ud på internettet, uanset om du surfer på Facebook eller Twitter eller handler på Amazon, "Paolo Frasca, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore. "Disse systemer har til opgave at udvælge den information, der er mest relevant for os."

I det væsentlige, anbefalingssystemer er designet til at fremhæve særligt onlineindhold, der matcher de individuelle brugeres præferencer, der surfer på internettet. I de seneste år, disse systemer er blevet mere og mere populære, med mange sociale medieplatforme og andre websteder, der bruger dem til at øge brugerengagementet, eller for at annoncere for produkter og tjenester.

Undersøgelsen udført af Frasca og hans kolleger havde til formål at opnå en bedre forståelse af samspillet mellem brugernes meninger og de personlige anbefalinger fremsat af anbefalingssystemer. Som matematikere, de udviklede en dynamisk model for sammenhængen mellem bruger og anbefalet indhold.

"Vores anbefalingssystem er meget enkelt, da den kun har to elementer at vælge imellem, og den er karakteriseret ved en enkelt parameter, som vi kalder epsilon, " Frasca forklarede. "Systemet registrerer, hvor meget varerne blev værdsat (=klikket på) tidligere. Hver gang den skal komme med en anbefaling, systemerne kaster en (biased) mønt, der returnerer hoved med sandsynlighed epsilon (hale med sandsynlighed 1-epsilon)."

Hvis resultatet af denne møntkastning er hoved, systemet anbefaler det mest succesrige element, der er registreret i dets historie; hvis den viser hale, det anbefaler en helt tilfældig genstand. Denne randomiseringsproces giver forskerne mulighed for at vælge 'epsilon' for at sikre, at systemet effektivt balancerer mangfoldighed og nøjagtighed i de anbefalinger, det giver.

Deres model repræsenterer interaktionen mellem en enkelt bruger og en online nyhedsaggregator, for at afdække feedbacksløjfen mellem udviklingen af ​​denne brugers mening og de personlige anbefalinger. Det antager, at den pågældende bruger har en skalær mening om et bestemt emne, kendetegnet ved en binær position, og at denne udtalelse kan påvirkes af nyheder modtaget online. Typisk, brugeren menes at have en bekræftelsesbias, hvilket betyder, at hun vil have en præference for indhold, der bekræfter hendes mening om et givet emne.

Forskerne antager også, at anbefalingssystemets mål er at maksimere antallet af brugerklik, og for at nå det, det skal gå på kompromis mellem at udforske brugerpræferencer og udnytte dem. Omfattende numeriske simuleringer og en matematisk analyse af modellen viste, at personligt indhold og bekræftelsesbias begge påvirkede udviklingen af ​​en brugers meninger, hvor omfanget af denne effekt er relateret til anbefalingssystemets effektivitet.

"Vi har fremhævet, at bruger- og anbefalingssystemets adfærd går ind i hinanden på en sådan måde, at brugerens adfærd ændres, " sagde Frasca. "På samme tid, parameteren epsilon giver en knap til at justere mængden af ​​tilfældighed og muligvis mindske indvirkningen på brugerens mening."

Forskningen udført af Frasca og hans kolleger gav interessant indsigt i forholdet mellem brugernes meninger og de personlige anbefalinger, de modtager online. Imidlertid, denne indsigt skal stadig valideres yderligere, før den kan omsættes til politiske anbefalinger. Forskerne arbejder nu på at forbedre deres model, for at sikre, at det bedre afspejler virkelige scenarier.

"Vores model handler om én enkelt bruger og to mulige elementer, " sagde Frasca. "Det er klart, i virkeligheden, både brugere og elementer er talrige. Vi planlægger at udvide modellen til at omfatte et socialt netværk af brugere og en mangfoldighed af elementer. I en vis forstand, vores seneste arbejde har været et springbræt til en mere generel model, som er vores næste mål."

© 2018 Tech Xplore