Συνεργατικά Συστήματα Συστάσεων Με Χρήση Έμμεσης Και Άμεσης Κοινωνικής Πληροφορίας

Abstract

Η ψηφιακή επανάσταση των προηγούμενων δεκαετιών είχε ως άμεσο αποτέλεσμα την αλματώδη αύξηση της πληροφορίας που διακινείται ηλεκτρονικά, οδηγώντας σε μια κατάσταση που είναι γνωστή ως πληροφοριακή υπερφόρτωση. Συνεπώς, υπάρχει άμεση ανάγκη για την κατασκευή συστημάτων τα οποία θα μπορούν να αναζητούν, να ταξινομούν και να κατηγοριοποιούν την διαθέσιμη πληροφορία. Τα Συστήματα Συστάσεων έχουν προταθεί ως μια λύση που μπορεί να αντιμετωπίσει σε ένα βαθμό το προαναφερθέν πρόβλημα. Η συνεισφορά της διατριβής έγκειται στη μελέτη, στην ανάπτυξη και στην πρακτική εφαρμογή αλγορίθμων για την πιο ευρύτατα διαδεδομένη κατηγορία συστημάτων συστάσεων, τα συνεργατικά συστήματα συστάσεων, με στόχο την βελτίωση της απόδοσής τους.Τα συστήματα συστάσεων είναι επί της ουσίας εργαλεία λογισμικού, τα οποία χρησιμοποιούνται για την παραγωγή εξατομικευμένων προτάσεων για κάθε χρήστη χωριστά, συνήθως υπό τη μορφή ταξινομημένων λιστών. Οι προτάσεις στην πλειοψηφία των περιπτώσεων είναι αντικείμενα οποιουδήποτε τύπου, όπως βιβλία, ταινίες, μουσικά κομμάτια και άρθρα ειδήσεων, τα οποία ενδεχομένως να φανούν χρήσιμα στους χρήστες. Η παραγωγή των προτάσεων στα συνεργατικά συστήματα συστάσεων βασίζεται στις προτιμήσεις του εκάστοτε χρήστη καθώς και σε άλλες παραμέτρους. Οι δε προτιμήσεις συνάγονται με δύο τρόπους: είτε απευθείας από τους ίδιους (κατά βάση εντός καθορισμένης αξιολογικής/βαθμολογικής κλίμακας) είτε έμμεσα από το ίδιο το σύστημα.Στο πλαίσιο της διατριβής αναπτύσσονται αλγόριθμοι παραγωγής συνεργατικών συστάσεων, οι οποίοι αξιοποιούν τις ρητά εκπεφρασμένες προτιμήσεις των χρηστών. Η έννοια της συνεργατικότητας έγκειται στο γεγονός πως τα νέα αντικείμενα που τελικά προτείνονται σε ένα χρήστη βασίζονται στις αξιολογήσεις που αυτά έχουν λάβει από άλλους "παρόμοιους" χρήστες. Δηλαδή, τα συνεργατικά συστήματα συστάσεων μετατρέπουν τον κάθε χρήστη σε "μέσο πρόβλεψης" των προτιμήσεων των άλλων, καθορίζοντας κατ' αυτόν τον τρόπο μια άτυπη μορφή κοινωνικότητας μεταξύ τους. Για την αναζήτηση και την καλύτερη αξιοποίηση αυτού του είδους των έμμεσων σχέσεων μεταξύ των χρηστών, προτείνεται ένας πρωτότυπος αλγόριθμος παραγωγής συστάσεων, δομικό στοιχείο του οποίου αποτελεί ένα πολυεπίπεδο νευρωνικό δίκτυο εμπρόσθιας τροφοδότησης. Οι επιλογές που γίνονται όσον αφορά τη συνάρτηση μεταφοράς των νευρώνων του δικτύου, της δυναμικής προσαρμογής της αρχιτεκτονικής του όπως και του ενισχυτικού αλγορίθμου εκπαίδευσής του, επιτρέπουν την σε βάθος ανάλυση των σχέσεων μεταξύ των χρηστών του που οδηγούν στην παραγωγή καλύτερων συστάσεων.Εκτός της έμμεσης συναγωγής ομοιοτήτων και διαφορών μεταξύ των χρηστών, τα συνεργατικά συστήματα συστάσεων μπορούν να επεκταθούν, συμπεριλαμβάνοντας στους υπολογισμούς τους και τις άμεσες σχέσεις που ενδεχομένως να έχουν οι χρήστες μεταξύ τους, στο πλαίσιο ενός κοινωνικού δικτύου. Παραδείγματα τέτοιων σχέσεων αποτελούν οι δεσμοί φιλίας, εμπιστοσύνης καθώς και οι δεσμοί "ακολούθων". Από τους πιο διαδεδομένους τρόπους προσπέλασης της άμεσης κοινωνικής πληροφορίας στα συνεργατικά συστήματα συστάσεων, είναι η πραγματοποίηση τυχαίων περιπάτων επάνω στα κοινωνικά δίκτυα, με στόχο την ανεύρεση χρηστών με επιρροή. Στο πλαίσιο αυτό, προτείνεται μια νέα μεθοδολογία πραγματοποίησης τυχαίων περιπάτων στο μεικτό δίκτυο που σχηματίζεται από τον συνδυασμό του κοινωνικού δικτύου και του δικτύου "ομοιότητας" (ενός δικτύου σχέσεων μεταξύ των χρηστών που προκύπτει από τις αξιολογήσεις που έχουν ήδη κάνει). Η διαφορά με άλλες αντίστοιχες μεθόδους βρίσκεται στο γεγονός ότι το επόμενο βήμα του περιπάτου δεν επιλέγεται ομοιόμορφα τυχαία, αλλά αντίθετα εισάγεται μια μεροληψία προς εκείνους τους χρήστες που είναι περισσότερο όμοιοι.Πέρα από τον χώρο των χρηστών, οι τυχαίοι περίπατοι μπορούν επίσης να πραγματοποιηθούν και στον χώρο των αντικειμένων. Για το λόγο αυτό στην παρούσα διατριβή προτείνεται η πραγματοποίηση τυχαίων περιπάτων επάνω σε ένα πρωτότυπο δίκτυο, το δίκτυο κατανάλωσης αντικειμένων. Το συγκεκριμένο δίκτυο συνδέει μεταξύ τους αντικείμενα-κόμβους με ακμές των οποίων τα βάρη αποτυπώνουν το πλήθος των κοινών τους προσπελάσεων. Είναι προσωπικό, υπό την έννοια ότι κατασκευάζεται χωριστά για κάθε χρήστη, στη βάση των αντικειμένων που έχει προσπελάσει τόσο ο ίδιος όσο και άλλοι χρήστες που εντάσσονται είτε στο άμεσο κοινωνικό του δίκτυο, είτε παρουσιάζουν κάποια ομοιότητα με αυτόν ή, τέλος, ανήκουν και στις δύο κατηγορίες. Τέλος, η άμεση κοινωνική πληροφορία που εμπεριέχεται στα συνεργατικά συστήματα συστάσεων αξιοποιείται και με έναν ακόμα τρόπο. Αποτελεί το πεδίο εφαρμογής μιας νέας μεθόδου μπεϋζιανής μη-αρνητικής παραγοντοποίησης πινάκων, με στόχο την κατηγοριοποίηση των χρηστών σε επικαλυπτόμενες κοινότητες. Η πρωτοτυπία της προσέγγισης βρίσκεται στην επιλογή της συνάρτησης της εκ των προτέρων πιθανότητας. Ενώ στη βιβλιογραφία συνηθίζεται να χρησιμοποιείται η θεωρία των συζυγών εκ των προτέρων κατανομών, στη συγκεκριμένη περίπτωση εφαρμόζονται τα μοντέλα εκθετικών τυχαίων γράφων. Ο λόγος που επιλέχθηκε αυτή η κατεύθυνση ήταν για να μετριαστεί η τοπικότητα της παραγοντοποίησης μέσω της εισαγωγής στη διαδικασία μακροσκοπικών πληροφοριών για τα υπό εξέταση δίκτυα. Επίσης, στο πλαίσιο της ίδιας διαδικασίας, αναπτύχθηκε και μια πρωτότυπη προσεγγιστική μέθοδος για τον υπολογισμό των υπερπαραμέτρων του μοντέλου των εκθετικών τυχαίων γράφων, η οποία βασίστηκε στη θεωρία του μέσου πεδίου.Συμπερασματικά, η ουσιαστική συμβολή της διατριβής συνοψίζεται στην χρήση ευφυών τεχνικών στα συνεργατικά συστήματα συστάσεων, για την επεξεργασία και ανάλυση της άμεσης και έμμεσης κοινωνικής πληροφορίας που ενυπάρχει σε αυτά. Κάθε τεχνική που αναπτύχθηκε, αξιολογήθηκε πειραματικά σε δημόσια διαθέσιμες συλλογές δεδομένων, οι οποίες χρησιμοποιούνται ευρέως από την επιστημονική κοινότητα, ενώ έγιναν και συγκρίσεις με άλλες αντίστοιχες τεχνικές στο κάθε πεδίο έρευνας.