211service.com
Dataloger udnytter sociale netværk til at skabe nyt anbefalingssystem
Anbefalingssystemer er blevet en vigtig kraft i online handel. Websteder som Amazon og Netflix har enorme databaser, der registrerer hver brugers køb og præferencer. Dette giver disse virksomheder mulighed for at matche brugere med lignende interesser og præferencer.
Når en bestemt bruger besøger siden, bruger anbefalingssystemet disse oplysninger til at anbefale produkter, som andre med lignende præferencer også kan lide. Det er en proces, der kaldes kollaborativ filtrering, og de fleste kommercielle anbefalingssystemer er afhængige af den.
Der er dog en anden måde at komme med anbefalinger på, som har haft langt mindre opmærksomhed, siger Shang Shang ved Princeton University i New Jersey og et par venner.
Disse fyre påpeger, at der er masser af beviser for, at præferencer er smitsom. Det betyder, at de kan flyde gennem sociale netværk på samme måde, som epidemier spredes.
Så en alternativ måde at komme med anbefalinger på er at se på strukturen af et individs sociale netværk og forudsige, hvordan visse præferencer sandsynligvis vil sprede sig gennem det.
Tidligere var den faktor, der har begrænset succesen med denne type forudsigelse, en detaljeret viden om netværkets struktur. Men alt det har ændret sig i de seneste år med den enorme popularitet af online sociale netværk. Det er nu ligetil at se, hvordan individer er forbundet.
Shang og cos grundlæggende antagelse er, at hvis Adam kan lide en film, vil den præference spredes til hans nærmeste naboer på hans sociale netværk – hans venner – med en vis sandsynlighed. Hvis nok mennesker deler denne præference, kan det fosse gennem netværket som en influenza.
Så en måde at forudsige, at Eva vil kunne lide denne film, er at se, hvor tæt hun er på Adam, og hvor sandsynligt, at denne præference vil nå hende. Hvis Adam og Eva er nære venner, kan det være en relativt stor sandsynlighed.
Det er en interessant idé, men syretesten vil være, om det virker i praksis. Et vigtigt spørgsmål er, hvor kommercielt brugbart det vil være. Den sociale smittemodel kan være forudsigelig, men vil den påvirke købsbeslutninger i praksis? Vil Eva blive lige så påvirket af anbefalingssystemet, som hun er af hendes ven Adams mund til mund?
Shang og co ved det ikke, men de planlægger at finde ud af det ved at bruge data fra Yelp.com, som giver brugervurderinger af restauranter, spas osv. Hvis det virker, er jeg sikker på, at vi vil høre fra dem igen.
Ref: arxiv.org/abs/1208.0782 : Crowds visdom: Inkorporering af social indflydelse i anbefalingsmodeller