Forskare vid University of Twente och CNRS har nyligen genomfört en studie som undersöker förhållandet mellan användarnas åsikter och de personliga rekommendationer de får online. I deras papper, som förpublicerades på arXiv, de föreslog en modell som beskriver denna interaktion, utvärderade den sedan genom omfattande simuleringar och en matematisk analys.

"Vi möter alla rekommendatorsystem i vårt dagliga liv, så snart vi når ut på Internet, oavsett om du surfar på Facebook eller Twitter eller handlar på Amazon, "Paolo Frasca, en av forskarna som genomförde studien, berättade TechXplore. "Dessa system har till uppgift att välja den information som är mest relevant för oss."

Väsentligen, rekommendatorsystem är utformade för att markera särskilt onlineinnehåll som matchar preferenser för enskilda användare som surfar på internet. Under de senaste åren har dessa system har blivit alltmer populära, med många sociala medieplattformar och andra webbplatser som använder dem för att förbättra användarengagemang, eller att annonsera produkter och tjänster.

Forskningen som Frasca och hans kollegor genomförde syftade till att uppnå en bättre förståelse av samspelet mellan användarnas åsikter och de personliga rekommendationer som rekommenderas av rekommendatorsystem. Som matematiker, de utvecklade en dynamisk modell för sammankopplingen mellan användare och rekommenderat innehåll.

"Vårt rekommendationssystem är väldigt enkelt, eftersom det bara har två objekt att välja mellan och det kännetecknas av en enda parameter, som vi kallar epsilon, "Frasca förklarade." Systemet registrerar hur mycket artiklarna uppskattades (=klickades på) tidigare. Varje gång måste den göra en rekommendation, systemen kastar ett (partiskt) mynt som returnerar huvudet med sannolikhet epsilon (svans med sannolikhet 1-epsilon). "

Om resultatet av denna myntkastning är huvud, systemet rekommenderar det mest framgångsrika objektet som spelats in i sin historia; om det visar svans, den rekommenderar ett helt slumpmässigt objekt. Denna randomiseringsprocess gör det möjligt för forskarna att välja 'epsilon' för att säkerställa att systemet effektivt balanserar mångfald och noggrannhet i de rekommendationer som det ger.

Deras modell representerar interaktionen mellan en enda användare och en nyhetsaggregat online, för att avslöja återkopplingsslingan mellan utvecklingen av denna användares åsikt och de personliga rekommendationerna. Det förutsätter att användaren i fråga har en skalär åsikt om en viss fråga, kännetecknas av en binär position, och att denna åsikt kan påverkas av nyheterna online. Vanligtvis, användaren tros ha en bekräftelsefördom, vilket innebär att hon kommer att ha en preferens för innehåll som bekräftar hennes åsikt om en viss fråga.

Forskarna antar också att rekommendationssystemets mål är att maximera antalet användarklick, och för att uppnå det, den måste kompromissa mellan att utforska användarpreferenser och utnyttja dem. Omfattande numeriska simuleringar och en matematisk analys av modellen fann att personligt innehåll och bekräftelsefördomar påverkade utvecklingen av en användares åsikter, med omfattningen av denna effekt relaterad till effektiviteten hos rekommendatorsystemet.

"Vi har framhållit att beteendet hos användar- och rekommendatorsystemet matas in i varandra på ett sådant sätt att användarens beteende förändras, "Sa Frasca." Samtidigt, parametern epsilon ger en ratt för att ställa in mängden slumpmässighet och eventuellt mildra påverkan på användarens åsikt. "

Forskningen utförd av Frasca och hans kollegor gav intressant inblick i förhållandet mellan användarnas åsikter och de personliga rekommendationer de får online. Dock, denna insikt behöver fortfarande valideras ytterligare innan den kan översättas till policyrekommendationer. Forskarna arbetar nu med att förbättra sin modell, för att se till att det bättre återspeglar verkliga scenarier.

"Vår modell handlar om en enda användare och två möjliga objekt, Sa Frasca. i verkligheten, både användare och objekt är många. Vi planerar att utöka modellen till att inkludera ett socialt nätverk av användare och en mängd objekt. På sätt och vis, vårt senaste arbete har varit en språngbräda till en mer allmän modell som är vårt nästa mål. "

© 2018 Tech Xplore