Le Blog arXiv Physique
Réf : arxiv.org/abs/1208.0782 : Wisdom of the Crowd: Intégrer l'influence sociale dans les modèles Recommandation
Computer Scientists Exploiter les réseaux sociaux pour créer un système de nouvelle Recommandation
Les avis se propagent à travers les réseaux sociaux tels que les épidémies. En s'appuyant sur le réseau des proches, un nouveau type de systèmes de recommandation a pour but de prédire à quelle vitesse vous êtes susceptibles d'être infectées
Les systèmes de recommandation sont devenus une force importante dans le commerce en ligne. Des sites tels que Amazon et Netflix ont d'énormes bases de données qui enregistrent les achats et les préférences de chaque utilisateur. Ceci permet à ces sociétés de rapprocher les utilisateurs ayant des intérêts et préférences similaires.
Lorsqu'un utilisateur visite un site particulier, le système de recommandation utilise cette information pour recommander des produits que d'autres, ayant les mêmes préférences, aimer aussi. Ce processus appelé filtrage collaboratif et les systèmes commerciaux recommandation la plus compter sur elle.
Cependant, il ya une autre façon de faire des recommandations qui a reçu beaucoup moins d'attention disent Shang Shang à l'Université Princeton dans le New Jersey et et quelques collègues.
Ils soulignent qu'il existe de nombreuses preuves que les préférences sont contagieuses. Les préférences peuvent circuler à travers les réseaux sociaux de la même manière que la propagation des épidémies.
Donc, une autre façon de faire des recommandations est d'examiner la structure du réseau social d'un individu et de prédire comment certaines préférences sont susceptibles de se propager à travers son réseau social.
Dans le passé, le facteur qui a limité le succès de ce type de prédiction est la difficulté à construire une connaissance détaillée de la structure du réseau. Mais tout cela a changé ces dernières années avec l'immense popularité des réseaux sociaux en ligne. Il est maintenant facile de voir comment les individus sont liés.
L'hypothèse de base Shang et co, c'est que si Adam aime un film, sa préférence sera propagé à ses voisins les plus proches sur son réseau social - ses amis - avec une certaine probabilité. Si suffisamment de gens partagent cette préférence, elle peut se répercuter à travers le réseau social comme un fait de la grippe.
Donc, une façon de prédire la veille que X aimera un film, c'est de voir à quel point X est proche d' Adam et avec quelle probabilité cette préférence va l'atteindre. Si Adam et Eve sont des amis proches, cela peut être une probabilité relativement élevée.
C'est une idée intéressante, mais l'épreuve sera de savoir si cela fonctionne dans la pratique. Une question importante est de savoir comment elle sera commercialement utile. Le modèle de contagion sociale pourrait être un facteur prédictif mais va-t-il influencer les décisions d'achat dans la pratique? Eve va-t-elle être aussi influencé par le système de recommandation comme elle l'est par la parole de l'opinion sortie de la bouche de son ami Adam?
Shang et co ne le savent pas, mais ils ont l'intention de trouver à l'aide des données de Yelp.com, qui fournit des notations des restaurants, spas, etc.
Réf : arxiv.org/abs/1208.0782 : Wisdom of the Crowd: Intégrer l'influence sociale dans les modèles Recommandation
Computer Scientists Exploiter les réseaux sociaux pour créer un système de nouvelle Recommandation
Les avis se propagent à travers les réseaux sociaux tels que les épidémies. En s'appuyant sur le réseau des proches, un nouveau type de systèmes de recommandation a pour but de prédire à quelle vitesse vous êtes susceptibles d'être infectées
Les systèmes de recommandation sont devenus une force importante dans le commerce en ligne. Des sites tels que Amazon et Netflix ont d'énormes bases de données qui enregistrent les achats et les préférences de chaque utilisateur. Ceci permet à ces sociétés de rapprocher les utilisateurs ayant des intérêts et préférences similaires.
Lorsqu'un utilisateur visite un site particulier, le système de recommandation utilise cette information pour recommander des produits que d'autres, ayant les mêmes préférences, aimer aussi. Ce processus appelé filtrage collaboratif et les systèmes commerciaux recommandation la plus compter sur elle.
Cependant, il ya une autre façon de faire des recommandations qui a reçu beaucoup moins d'attention disent Shang Shang à l'Université Princeton dans le New Jersey et et quelques collègues.
Ils soulignent qu'il existe de nombreuses preuves que les préférences sont contagieuses. Les préférences peuvent circuler à travers les réseaux sociaux de la même manière que la propagation des épidémies.
Donc, une autre façon de faire des recommandations est d'examiner la structure du réseau social d'un individu et de prédire comment certaines préférences sont susceptibles de se propager à travers son réseau social.
Dans le passé, le facteur qui a limité le succès de ce type de prédiction est la difficulté à construire une connaissance détaillée de la structure du réseau. Mais tout cela a changé ces dernières années avec l'immense popularité des réseaux sociaux en ligne. Il est maintenant facile de voir comment les individus sont liés.
L'hypothèse de base Shang et co, c'est que si Adam aime un film, sa préférence sera propagé à ses voisins les plus proches sur son réseau social - ses amis - avec une certaine probabilité. Si suffisamment de gens partagent cette préférence, elle peut se répercuter à travers le réseau social comme un fait de la grippe.
Donc, une façon de prédire la veille que X aimera un film, c'est de voir à quel point X est proche d' Adam et avec quelle probabilité cette préférence va l'atteindre. Si Adam et Eve sont des amis proches, cela peut être une probabilité relativement élevée.
C'est une idée intéressante, mais l'épreuve sera de savoir si cela fonctionne dans la pratique. Une question importante est de savoir comment elle sera commercialement utile. Le modèle de contagion sociale pourrait être un facteur prédictif mais va-t-il influencer les décisions d'achat dans la pratique? Eve va-t-elle être aussi influencé par le système de recommandation comme elle l'est par la parole de l'opinion sortie de la bouche de son ami Adam?
Shang et co ne le savent pas, mais ils ont l'intention de trouver à l'aide des données de Yelp.com, qui fournit des notations des restaurants, spas, etc.
Aucun commentaire:
Enregistrer un commentaire