211service.com
Des informaticiens exploitent les réseaux sociaux pour créer un nouveau système de recommandation
Les systèmes de recommandation sont devenus une force importante dans le commerce en ligne. Des sites tels qu'Amazon et Netflix ont d'énormes bases de données qui enregistrent les achats et les préférences de chaque utilisateur. Cela permet à ces entreprises de faire correspondre des utilisateurs ayant des intérêts et des préférences similaires.
Lorsqu'un utilisateur particulier visite le site, le système de recommandation utilise ces informations pour recommander des produits que d'autres personnes ayant des préférences similaires aiment également. C'est un processus appelé filtrage collaboratif et la plupart des systèmes de recommandation commerciaux en dépendent.
Cependant, il existe une autre façon de faire des recommandations qui a reçu beaucoup moins d'attention, disent Shang Shang de l'Université de Princeton dans le New Jersey et quelques amis.
Ces gars-là soulignent qu'il existe de nombreuses preuves que les préférences sont contagieuses. Cela signifie qu'ils peuvent circuler à travers les réseaux sociaux de la même manière que les épidémies se propagent.
Ainsi, une autre façon de faire des recommandations consiste à examiner la structure du réseau social d'un individu et à prédire comment certaines préférences sont susceptibles de se propager à travers celui-ci.
Dans le passé, le facteur qui a limité le succès de ce type de prédiction était une connaissance détaillée de la structure du réseau. Mais tout cela a changé ces dernières années avec l'énorme popularité des réseaux sociaux en ligne. Il est maintenant simple de voir comment les individus sont liés.
L'hypothèse de base de Shang and co est que si Adam aime un film, cette préférence se propagera à ses voisins les plus proches sur son réseau social - ses amis - avec une certaine probabilité. Si suffisamment de personnes partagent cette préférence, elle peut se propager à travers le réseau comme une grippe.
Donc, une façon de prédire qu'Eve aimera ce film est de voir à quel point elle est proche d'Adam et dans quelle mesure cette préférence l'atteindra. Si Adam et Eve sont des amis proches, cela peut être une probabilité relativement élevée.
C'est une idée intéressante, mais le test décisif sera de savoir si cela fonctionne dans la pratique. Une question importante est de savoir quelle sera son utilité commerciale. Le modèle de contagion sociale peut être prédictif, mais influencera-t-il les décisions d'achat dans la pratique ? Eve sera-t-elle aussi influencée par le système de recommandation qu'elle l'est par le bouche à oreille de son ami Adam ?
Shang et co ne le savent pas, mais ils prévoient de le découvrir en utilisant les données de Yelp.com, qui fournit les évaluations des utilisateurs des restaurants, des spas, etc. Si cela fonctionne, je suis sûr que nous entendrons à nouveau parler d'eux.
Réf : arxiv.org/abs/1208.0782 : La sagesse de la foule : intégrer l'influence sociale dans les modèles de recommandation