15 oktober 2018 447 woorden, 2 min. gelezen

Aanbevelingsalgoritmen: houd rekening met persoonlijkheid en emoties

Door Pierre-Nicolas Schwab Gepromoveerd in marketing, directeur van IntoTheMinds
Op de RecSys-conferentie 2018 over aanbevelingssystemen was er op de eerste dag een zeer interessante workshop van Marko Tkalčič van de Vrije Universiteit van Bozen-Bolzano (Italië). Hij legde uit hoe emoties, humeur en persoonlijkheid vorm geven aan de manier waarop […]

Op de RecSys-conferentie 2018 over aanbevelingssystemen was er op de eerste dag een zeer interessante workshop van Marko Tkalčič van de Vrije Universiteit van Bozen-Bolzano (Italië). Hij legde uit hoe emoties, humeur en persoonlijkheid vorm geven aan de manier waarop we ons gedragen en dus ook hoe we reageren op algoritmische aanbevelingen. Deze laatste kunnen dus relevanter worden door met deze factoren rekening te houden.

Emoties, humeur en persoonlijkheid bepalen ons gedrag

Marko herinnerde ons er eerst aan dat wij als mensen ons gedrag aanpassen aan onze emoties, stemming en persoonlijkheid. Maar deze variëren in de tijd (onderstaande grafiek uit de presentatie van Marko geeft een zeer goede visuele samenvatting).

Emotioneel gedreven keuzes

Marko tonde aan dat de keuzes die we maken kunnen worden gestuurd door onze emoties. Vooral de consumptie van films en muziek is gebaseerd op het principe van emotieregulering. Dit bracht mij ertoe de relevantie van de keuzes in de lineaire programmering in twijfel te trekken. In dit systeem wordt dezelfde inhoud aan iedereen op hetzelfde moment voorgesteld.  Als onze consumptie wordt gemotiveerd door een tijdelijke toestand (zie figuur hierboven) is dit vanuit het oogpunt van de consument dus zinloos. Maar hoe zou het anders kunnen zonder een disruptieve technologische oplossing (VOD) om van dit systeem af te komen?

Persoonlijkheid is ook een leidraad voor hoe we media consumeren

Een andere les die we uit de presentatie van Marko trekken, is dat persoonlijkheid een constante is. Onze persoonlijkheid verandert weinig in de loop van het leven, maar bepaalt in hoge mate hoe we zijn (wat verklaart waarom persoonlijkheidsmodellen zoals MBTI en OCEAN van toepassing blijven). Persoonlijkheid verklaart bijvoorbeeld waarom sommigen van ons van horrorfilms houden en anderen niet, waarom we openstaan voor bepaalde soorten muziek of niet.

Het werk van Hu en Pu (2010) lijkt mij bijzonder interessant. Zij tonen aan dat het gebruik van persoonlijkheid om aanbevelingen te doen een winnende strategie is (zie onderstaande figuur).

Hoe gebruik je persoonlijkheid in de constructie van aanbevelingssystemen?

Hieronder mogelijke toepassingen van de variabele “persoonlijkheid” in aanbevelingssystemen

  • inhoudelijke aanbeveling (aanbevelingen in de vorm van persoonlijkheidsafhankelijke regels)
  • aanbevelingen voor nieuwe gebruikers (gebruikersovereenkomst, matrix-factorisatie)
  • bevordering van meer diverse inhoud (op basis van regels)
  • groepsaanbevelingen

De toepassingen met betrekking tot diversiteit (exploratie) lijken mij bijzonder interessant omdat persoonlijkheid een bepalende factor is in onze openheid voor exploratie (de beroemde trade-off exploratie-precisie). De reflecties die eruit voortkomen, zouden belangrijk kunnen blijken te zijn voor publieke media die als missie hebben de geesten van de burgers te openen, zoals ik aantoonde in mijn presentatie tijdens de FatRec-workshop. Rekening houden met de persoonlijkheid van de gebruikers (afgeleid of verklaard) zou interessante voordelen kunnen opleveren in de prestaties van algoritmische aanbevelingen.



Posted in Diverse.

Plaats uw mening

Je e-mailadres zal niet getoond worden. Vereiste velden zijn gemarkeerd met *