Big Five für Multimedia-Empfehlungssysteme
Brig, Luzern – Dr. Beatrice Paoli vom Laboratory for Web Science (LWS) erklärte am ICT Symposium in Luzern die Konzeption und praktische Umsetzung von Recommender-Systemen im Multimedia-Bereich. Sie zeigte, dass der Einbezug von psychometrischen Faktoren zu besseren Empfehlungen führt.
Dr. Beatrice Paoli vom Laboratory for Web Science (LWS) erklärte am ICT Symposium in Luzern die Konzeption und praktische Umsetzung von Recommender-Systemen im Multimedia-Bereich
Recommender-Systeme generieren Empfehlungen für Anwender von ICT-Produkten: Statt mit einem ganzen Katalog konfrontiert zu werden, schlägt ein Algorithmus nur eine Auswahl – möglichst gut passender – Empfehlungen vor. Das beschleunigt den Entscheidungsprozess und verhindert Information Overload.
Wenn Suchende nicht finden
In ihrem Vortrag am ICT Symposium ging Dr. Beatrice Paoli vom LWS auf die Vorteile und Schwachstellen traditioneller Such- und Filtermechanismen ein. Suchmaschinen etwa finden nur, wonach man explizit sucht. Social Media generieren Empfehlungen, basierend auf den im persönlichen Netzwerk vorherrschenden Präferenzen, wodurch ein Bubble-Effekt entstehen kann. Experten schliesslich könnten wohl helfen, etwa bei Film-Reviews. Allerdings helfen Reviews erst, wenn bereits eine Vorauswahl getroffen wurde.
Das ideale Empfehlungssystem, so Paoli, macht Empfehlungen, die nicht nur auf Popularität oder expliziten Suchanfragen (via Google, Bing, Yahoo etc.) beruhen, sondern auch Nutzerdaten einbeziehen (also die Interessen eines Users kennen), Inhalte analysieren, Kontexte erkennen und vorhersagen können, wie ein Anwender eine bestimmte Empfehlung finden wird.
Neurotiker mögen Rockmusik
Neu schlägt das Team um Dr. Paoli erstmals auch vor, die fünf grossen Faktoren zur Erstellung psychometrischer Profile in den Kontext der Recommender-Systeme einzubeziehen. Bei diesen «Big Five» geht es um Extraversion, Verträglichkeit, Gewissenhaftigkeit, Neurotizismus und Offenheit. Dank der psychometrischen Profile sollen die Systeme besser auf die einzelnen Nutzer abgestimmt werden können.
Denn Studien zeigen eine starke Korrelation zwischen einem psychometrischen Profil und Film-, Musik-, und Literaturpräferenzen. Neurotiker etwa interessieren sich überdurchschnittlich stark für Rockmusik. Das Team kam zum Schluss, dass psychometrische Profile Empfehlungs-Engines – zumindest, wenn es um Musik geht – dabei helfen, präzisere Empfehlungen zu machen.