211service.com
Gli scienziati informatici sfruttano i social network per creare un nuovo sistema di raccomandazione
I sistemi di raccomandazione sono diventati una forza importante nel commercio online. Siti come Amazon e Netflix hanno enormi database che registrano gli acquisti e le preferenze di ogni utente. Ciò consente a queste società di abbinare utenti con interessi e preferenze simili.
Quando un particolare utente visita il sito, il sistema di raccomandazione utilizza queste informazioni per consigliare prodotti che piacciono anche ad altri con preferenze simili. Questo è un processo chiamato filtro collaborativo e la maggior parte dei sistemi di raccomandazione commerciali si basa su di esso.
Tuttavia, c'è un altro modo per formulare raccomandazioni che ha ricevuto molta meno attenzione, affermano Shang Shang della Princeton University nel New Jersey e alcuni amici.
Questi ragazzi sottolineano che ci sono molte prove che le preferenze sono contagiose. Ciò significa che possono fluire attraverso i social network allo stesso modo in cui si diffondono le epidemie.
Quindi un modo alternativo per formulare raccomandazioni è guardare la struttura del social network di un individuo e prevedere come è probabile che determinate preferenze si diffondano attraverso di esso.
In passato, il fattore che ha limitato il successo di questo tipo di previsione è una conoscenza dettagliata della struttura della rete. Ma tutto ciò è cambiato negli ultimi anni con l'enorme popolarità dei social network online. Ora è semplice vedere come gli individui sono collegati.
Il presupposto di base di Shang e compagni è che se ad Adam piace un film, quella preferenza si diffonderà ai suoi vicini più prossimi sul suo social network - i suoi amici - con una certa probabilità. Se un numero sufficiente di persone condivide questa preferenza, può diffondersi nella rete come un'influenza.
Quindi un modo per prevedere che Eve apprezzerà questo film è vedere quanto è vicina ad Adam e quanto è probabile che questa preferenza la raggiunga. Se Adamo ed Eva sono amici intimi, questa potrebbe essere una probabilità relativamente alta.
È un'idea interessante, ma la prova del fuoco sarà se funziona nella pratica. Una domanda importante è quanto sarà commercialmente utile. Il modello del contagio sociale potrebbe essere predittivo, ma influenzerà nella pratica le decisioni di acquisto? Eve sarà influenzata dal sistema di raccomandazione quanto lo è dal passaparola del suo amico Adam?
Shang e compagni non lo sanno, ma hanno intenzione di scoprirlo utilizzando i dati di Yelp.com, che fornisce valutazioni degli utenti di ristoranti, spa, ecc. Se funziona, sono sicuro che li sentiremo di nuovo.
Rif: arxiv.org/abs/1208.0782 : Saggezza della folla: incorporare l'influenza sociale nei modelli di raccomandazione