211service.com
Nejvyšší výzva pro motory na doporučení
Fráze Lidé, kteří koupili X, koupili také Y se stala jednou z oslavovaných přezdívek internetové éry. Tato konkrétní forma slov pochází z nástrojů doporučení, které analyzují produkty, které jste si v minulosti zakoupili, a navrhují produkty, které by se vám mohly líbit v budoucnu, obvykle na základě rozhodnutí jiných lidí s podobným vkusem.
Dobré nástroje doporučení mohou zvýšit prodej o několik procent. Proto se staly jednou z nezbytných funkcí online obchodů a služeb.
Není tedy těžké pochopit, proč existuje značný zájem o zlepšení výkonu doporučovacích motorů. V roce 2006 nabídl poskytovatel online filmů, společnost Netflix, cenu 1 milion dolarů každému, kdo by mohl zlepšit svůj algoritmus doporučení o více než 10 procent. Cena byla řádně vybrána o pouhé tři roky později.
Kde se tedy mohou vzít další vylepšení?
Dnes dostáváme odpověď svého druhu díky práci Amy Zhang z Massachusetts Institute of Technology v Cambridge a několika kamarádů. Tito lidé poukazují na to, že pokud jde o online služby, jako jsou poskytovatelé filmů, několik jednotlivců často sdílí stejný účet. To znamená, že výběr filmů a hodnocení na tomto účtu jsou kombinací několika různých lidí.
Otázkou, kterou se rozhodli zodpovědět, je, zda je možné identifikovat sdílené účty pouhým prostudováním ratingů s nimi spojených. A pokud ano, jak by se měla doporučení upravit?
Začínají dvěma datovými sadami filmových doporučení. První obsahuje více než 4 miliony doporučení od 171 000 uživatelů na více než 20 000 filmů. Tento soubor dat také obsahuje další informace o uspořádání domácnosti pro podmnožinu 600 uživatelů. Z toho 272 domácností má dva uživatele, 14 má tři uživatele a čtyři mají čtyři uživatele. Takže doporučení z těchto domácností poskytují základní pravdu sdílených účtů.
Zhang a spol. mají také dataset Netflix s hodnocením od téměř 500 000 uživatelů pro více než 17 000 filmů.
Svou analýzu začínají matematickým zpracováním toho, jak rozložit společný soubor ratingů na jeho jednotlivé části. Úkolem je v podstatě najít řadu koherentních shluků doporučení, které odpovídají počtu osob v domácnosti.
V praxi to znamená najít shluky podobných filmů s podobným hodnocením. Jednou z technik, která se ukazuje jako důležitá, je to, že je možné s vysokou spolehlivostí přidělit několik filmů různým uživatelům. Například filmy Toy Story, Monsters Inc a Frozen mohl docela dobře sledovat a hodnotit jiný jedinec než shluk filmů včetně Texaského masakru motorovou pilou, Vetřelec a Vymítač ďábla.
V matematice je to známé jako problém shlukování podprostoru a existuje několik standardních přístupů k jeho řešení. Zhang a spol. nejprve aplikují tyto metody na datové soubory, ve kterých je známo, že domácnosti zjišťují, která funguje nejlépe.
Tuto metodu pak aplikovali na zhruba 55 000 uživatelů v databázi Netflix, kteří hodnotili více než 500 filmů. Jejich algoritmus označil 37 000 z nich jako účty pro jednu osobu, 15 000 jako účty pro 2 osoby a 3 000 jako účty používané 3 nebo více lidmi.
Neexistuje způsob, jak zjistit, zda je toto rozdělení správné, protože základní pravdivé informace nejsou k dispozici. Je však možné studovat tyto složené účty, abyste zjistili, zda se zdají být rozumné. Vizuální kontrola účtů, které byly označeny jako složené, přinesla některá zajímavá pozorování, říkají Zhang a spol.
V mnoha účtech například zjistili, že pokračování nebo série stejného televizního pořadu byly seskupeny. Zjistili také, že jeden uživatel by preferoval filmy označené jako Sci-fi a Fantasy, zatímco jiný by dal přednost filmům označeným jako Romantické. Zdá se, že to dává Zhangovi a jeho spolupráci jistotu, že jejich algoritmus je na správné cestě.
Poslední otázkou je, jak změnit doporučení, jakmile algoritmus zjistí, že více než jeden uživatel sdílí stejný účet. Odpověď je jednoduchá. Jednoduše zobrazte nejlepší doporučení pro každého uživatele.
To je zajímavý přístup, i když není jasné, o kolik lepší jsou tato doporučení oproti konvenčním motorům, pokud jde o to, zda zvyšují prodeje, nebo ne. To je jasný cíl budoucího výzkumu.
Zajímavé je, že Zhang a spol. poukazují na to, že tento přístup může umožnit jedné osobě, aby se objevila jako složená, záměrným zahrnutím hodnocení filmů, které by se jim normálně nelíbily. Upravují nebo rozšiřují svůj profil hodnocení tak, aby se zobrazoval jako složený uživatel, s cílem zakrýt například jeho pohlaví, je zajímavé výzkumné téma, říkají.
Snad se někdy v budoucnu dočkáme výsledků tohoto výzkumu.
Ref: arxiv.org/abs/1408.2055 : Hádej, kdo hodnotil tento film: Identifikace uživatelů pomocí shlukování podprostoru