Onderzoekers van de Universiteit Twente en CNRS hebben onlangs een onderzoek gedaan naar de relatie tussen de mening van gebruikers en de gepersonaliseerde aanbevelingen die ze online krijgen. In hun krant die voorgepubliceerd was op arXiv, ze stelden een model voor dat deze interactie schetst, vervolgens geëvalueerd door middel van uitgebreide simulaties en een wiskundige analyse.

"We komen allemaal in ons dagelijks leven in aanraking met aanbevelingssystemen, zodra we contact opnemen via internet, of u nu op Facebook of Twitter surft of op Amazon winkelt, "Paolo Frasca, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde TechXplore. "Deze systemen hebben de taak om de informatie te selecteren die voor ons het meest relevant is."

Eigenlijk, aanbevelingssystemen zijn ontworpen om bepaalde online inhoud te markeren die overeenkomt met de voorkeuren van individuele gebruikers die op internet surfen. In recente jaren, deze systemen zijn steeds populairder geworden, met veel sociale-mediaplatforms en andere websites die ze gebruiken om de betrokkenheid van gebruikers te vergroten, of om reclame te maken voor producten en diensten.

Het onderzoek van Frasca en zijn collega's was gericht op het verkrijgen van een beter begrip van de wisselwerking tussen de mening van gebruikers en de gepersonaliseerde aanbevelingen van aanbevelingssystemen. Als wiskundigen, ze ontwikkelden een dynamisch model van de koppeling tussen gebruiker en aanbevolen inhoud.

"Ons aanbevelingssysteem is heel eenvoudig, omdat het slechts twee items heeft om uit te kiezen en het wordt gekenmerkt door een enkele parameter, die we epsilon noemen, " legt Frasca uit. "Het systeem houdt bij hoeveel de items in het verleden gewaardeerd (=aangeklikt) werden. Telkens moet het een aanbeveling doen, het systeem gooit een (bevooroordeelde) munt op die kop retourneert met waarschijnlijkheid epsilon (staart met waarschijnlijkheid 1-epsilon)."

Als het resultaat van het opgooien van munten kop is, het systeem beveelt het meest succesvolle item aan dat in zijn geschiedenis is geregistreerd; als het staart laat zien, het beveelt een volledig willekeurig item aan. Dit proces van randomisatie stelt de onderzoekers in staat om 'epsilon' te kiezen om ervoor te zorgen dat het systeem diversiteit en nauwkeurigheid effectief in evenwicht houdt in de aanbevelingen die het geeft.

Hun model vertegenwoordigt de interactie tussen een enkele gebruiker en een online nieuwsaggregator, om de feedbacklus tussen de evolutie van de mening van deze gebruiker en de gepersonaliseerde aanbevelingen bloot te leggen. Het gaat ervan uit dat de gebruiker in kwestie een scalaire mening heeft over een bepaald probleem, gekenmerkt door een binaire positie, en dat deze mening kan worden beïnvloed door het online ontvangen nieuws. Typisch, de gebruiker wordt verondersteld een voorkeur voor bevestiging te hebben, wat betekent dat ze een voorkeur heeft voor inhoud die haar mening over een bepaald probleem bevestigt.

De onderzoekers gaan er ook van uit dat het doel van het aanbevelingssysteem is om het aantal gebruikerskliks te maximaliseren, en om het te bereiken, het moet een compromis sluiten tussen het verkennen van gebruikersvoorkeuren en het exploiteren ervan. Uitgebreide numerieke simulaties en een wiskundige analyse van het model toonden aan dat gepersonaliseerde inhoud en bevestigingsbias beide de evolutie van de meningen van een gebruiker beïnvloedden, waarbij de omvang van dit effect verband houdt met de effectiviteit van het aanbevelingssysteem.

"We hebben benadrukt dat het gedrag van de gebruiker en het aanbevelingssysteem op zo'n manier in elkaar overvloeien dat het gedrag van de gebruiker verandert, ' zei Frasca. 'Tegelijkertijd de parameter epsilon biedt een knop om de hoeveelheid willekeur af te stemmen en mogelijk de impact op de mening van de gebruiker te verminderen."

Het onderzoek van Frasca en zijn collega's gaf interessant inzicht in de relatie tussen de mening van gebruikers en de gepersonaliseerde aanbevelingen die ze online krijgen. Echter, dit inzicht moet nog verder gevalideerd worden voordat het kan worden vertaald in beleidsaanbevelingen. De onderzoekers werken nu aan het verbeteren van hun model, om ervoor te zorgen dat het de scenario's uit het echte leven beter weerspiegelt.

"Ons model gaat over één enkele gebruiker en twee mogelijke items, ' zei Frasca. 'Het is duidelijk, in werkelijkheid, zowel gebruikers als items zijn talrijk. We zijn van plan het model uit te breiden met een sociaal netwerk van gebruikers en een groot aantal items. In zekere zin, ons recente werk is een opstap geweest naar een meer algemeen model dat ons volgende doel is."

© 2018 Tech Xplore