Op de eerste dag van de RecSys 2019–conferentie (Engelse site) in Kopenhagen presenteerde Sandhya Sachidanandan haar werk met Richard Luong en Emil Joergensen over online productaanbevelingen bij IKEA.
Het idee van dit werk was om productassociaties te zoeken op basis van convolutionele neurale netwerken (CNN) en deze associaties te gebruiken om productaanbevelingen te doen die relevant zijn voor de bezoekers van de IKEA e-commerce site. Met andere woorden, een beeld van een interieur gemaakt door IKEA ontwerpers dient als uitgangspunt voor een analyse om na te gaan welke objecten bij elkaar ‘passen’. Aangezien de gebruikte afbeeldingen zijn gemaakt door stylisten van IKEA is het logisch om aan te nemen dat de objecten die samen op de afbeelding verschijnen stilistisch goed uitgelijnd zijn en daarom kunnen worden aanbevolen.
Methodologische benadering
De auteurs vergeleken 3 methoden:
- De dichtste buren (nearest neighbours in het Engels) worden geëxtraheerd via een vooraf getrainde CNN.
- De dichtste buren worden geëxtraheerd via een Siamees neuraal netwerk (zie uitleg hier, Engelse site).
- Gram-matrix
Het belang van convolutionele netwerken bij productaanbeveling
Wat ik als idee hier interessant vond is dat de productassociaties werden geëxtraheerd op basis van ‘stijlen’, d.w.z. afbeeldingen geproduceerd door stylisten van IKEA. De aanbeveling is dus gebaseerd op de menselijke perceptie van hoe een elegant interieur eruit kan zien. De aanbevelingsalgoritmes zijn met andere woorden gevoed met een menselijke toets, wat mij bijzonder interessant lijkt; niet dat algoritmes aan de basis niet worden gevoed door menselijk werk, maar eerder dat een neuraal netwerk hier wordt belast met het op gestructureerde wijze ‘interpreteren’, analyseren van wat de stijl vertegenwoordigt. Dit lijkt erg sterk op de recente aankondiging door HBO van ‘Recommended by human tools’ (Engelse site).
Uiteraard komen alle producten op deze foto’s van IKEA. Ik vroeg me daarom af waarom het nodig was om zo’n complexe algoritmische benadering te gebruiken om perfect identificeerbare objecten in de IKEA-catalogus te detecteren. Volstond het niet gewoon om de referenties van de producten op de foto te vermelden en ze onderling aan te bevelen? Uiteindelijk zou het eerder een business rule zijn dan een algoritmische aanbeveling.
Een door IKEA te ontwikkelen businessidee
In een geest van generositeit biedt ik IKEA hier een idee voor een toepassing.
Voor mij is bovenvermelde technische aanpak zinvol wanneer beelden die niet door IKEA zijn geproduceerd, geanalyseerd kunnen worden en er een equivalent uit de IKEA-catalogus kan worden aangeboden.
Stelt u zich het volgende scenario voor: u bent op Pinterest en u ziet een foto van een prachtig interieur dat u thuis (tegen een lagere prijs) wilt reproduceren. Omdat u geen idee heeft waar u de verschillende meubels en decoraties kunt kopen, uploadt u de foto naar de IKEA-website (na het aanmaken van een account natuurlijk). De afbeelding wordt geanalyseerd en de dichtstbijzijnde equivalenten in de IKEA-productcatalogus worden gezocht en aanbevolen. Tegelijk kan ook IKEA veel leren. Stel u voor dat een bepaald beeld of stijl regelmatig wordt geanalyseerd en er geen echt gelijkwaardig product wordt gevonden, dan kan dit IKEA ertoe aanzetten om de ontbrekende producten te ontwikkelen.
Is dat geen goed idee? Als ik het heb, is dat waarschijnlijk omdat het al ergens bestaat.
Foto: Shutterstock
Posted in Diverse.
