dumaiАктивность пользователей создаёт мнимое сходство товаров
Препринт, ещё не рецензирован · ранние данные
Кратко
Товары, которые выбирают одни и те же люди, могут казаться похожими даже без общих вкусов. Математическая модель и данные MovieLens-1M показывают: разная общая активность пользователей создаёт заметные связи между фильмами, а реальные вкусовые закономерности видны главным образом как отклонения от этого эффекта. На Amazon Books и Last.fm одной активности оказалось недостаточно: роль играла и склонность выбирать массовые или нишевые товары.
Зачем это знать?
Сходство товаров в сервисах рекомендаций нельзя автоматически считать признаком общих вкусов: часть связи может возникать просто из-за разной активности пользователей. Как это повлияет на готовые рекомендации, пока не установлено.
Разбор
Авторы начали с простого мысленного эксперимента: представили пользователей, которые выбирают товары совершенно независимо друг от друга. Единственное различие между ними — сколько всего товаров они обычно потребляют. Оказалось, что даже в такой искусственной ситуации товары начинают выглядеть связанными: активные пользователи чаще встречаются у многих пар товаров, и это создаёт положительную связь там, где общих вкусов нет вовсе.
Затем исследователи вывели математическую «нулевую линию» для такого эффекта. Она показывает, какой уровень сходства возникает только из-за активности пользователей и насколько он зависит от популярности самих товаров. Поэтому реальный интерес представляет не вся наблюдаемая связь, а то, насколько она отклоняется от этой линии. На MovieLens-1M такой фон объясняет большую часть типичной связи между фильмами, тогда как вкусовые закономерности заметнее в ранжировании пар внутри этого фонового уровня.
Авторы также сравнили расчётный фон с данными разных сервисов. На Amazon Books и Last.fm одной общей активности пользователей оказалось недостаточно: люди различались ещё и тем, насколько они тяготеют к массовым или нишевым товарам. Исследование не утверждает, что совместный выбор бесполезен для рекомендаций и не предлагает готовый статистический тест; оно показывает, из каких двух частей складывается сигнал сходства и почему выбор формулы сходства имеет значение.
Можно ли доверять
Это препринт на arXiv, поэтому работу ещё не проверили независимые рецензенты. Авторы сравнили математическую модель с несколькими реальными наборами данных, но исследование само по себе не измеряет, как исправление этого эффекта изменит готовые рекомендации: этот вопрос они оставляют для дальнейшей работы.
- Это препринт, поэтому результат ещё не прошёл полноценную независимую проверку.
- Выводы основаны на математической модели и сравнении с несколькими наборами данных; для Amazon Books и Last.fm одной активности пользователей оказалось недостаточно — важны также различия в склонности выбирать массовые или нишевые товары.
- Работа показывает источник смещения в мерах сходства, но не устанавливает, насколько это изменит итоговые рекомендации для пользователей.
Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено