Sosiaaliset piirteet verkkopalvelun suosittelujärjestelmissä

Internetissä kuluttajan saatavilla on nykyään valtava, koko ajan kasvava määrä tuotteita ja palveluja. Erilaiset tiedonhaku-, suodatus- ja suosittelumenetelmät auttavat kuluttajaa löytämään haluamansa tuotteen. Erityisesti suosittelujärjestelmien rooli korostuu tarjotessa käyttäjälle uusia elämyksiä tai ennen näkemättömiä tuotteita. Suosituimpia tapoja toteuttaa suosittelujärjestelmä on yhteisöllinen suodatus. Se perustuu suositeltavan tuotteen sisällön analysoinnin sijaan järjestelmän käyttäjien arvioihin eri tuotteista. Web-teknologioiden kehitys on tuonut yhteisöllisyyden ja käyttäjälähtöisen näkökulman osaksi nykypäivän verkkopalveluja. Sosiaalisen median palveluista suosiota ovat keränneet erityisesti sosiaaliset verkostoitumispalvelut, joiden voima perustuu yhteisön luomaan sisältöön ja lisäarvoon. Sosiaaliset verkostot kehittyvät yleensä jonkin kiinnostusaiheen ympärille tai keskittyvät tosielämän sosiaalisten suhteiden mallintamiseen. Tässä tutkielmassa esitetään tapoja hyödyntää käyttäjän sosiaalista verkostoa automaattisissa suosittelujärjestelmissä. Tutkimusten mukaan käyttäjät luottavat suositusten saamiseen enemmän ystäviinsä kuin automaattisiin suosittelujärjestelmiin. Hyödyntämällä olemassa olevaa sosiaalista verkostoa voidaan parantaa suosittelutuloksia ja lisätä luottamusta saatuihin tuloksiin. Työn tarkoituksena on tarkastella sosiaalisen verkoston lisäarvoa suositteluissa ja menetelmän yleiskäyttöisyyttä. Sosiaalisen verkoston vaikutusta selvitettiin simuloimalla järjestelmää, joka hyödyntää sosiaalista verkostoa suositteluun. Tutkimuksessa hyödynnettiin aineistoa olemassa olevasta, yhteisöllistä suodatusta käyttävästä suosittelujärjestelmästä. Sosiaaliseen verkostoitumispalveluun kohdistuneella kyselyllä verrattiin käyttäjien arvioita olemassa olevaan dataan. Havainnot osoittivat, että suosittelutulokset paranivat verrattuna oletustoteutukseen. Vaikka saatuja tuloksia ei voida suoraan vertailla, vahvistavat ne kuitenkin aikaisempien tutkimuksien havaintoja. Idean jatkokehittelyllä onkin mahdollista saada aikaan parempia tuloksia.A user browsing the internet today faces a vast amount of products and services offered, which is also growing daily. Different information retrieval and recommendation methods help the user to find relevant or interesting content. Although many implementations for recommender systems exist, the most popular method is called collaborative filtering. Instead of analyzing the content of the recommended product, recommendations are based on the opinions of users with similar taste. Advances in web technologies have brought a communal and a user-centric view to modern websites. Social media sites – especially social networking sites – have proven popular. The strength of these services is based on user-created content and social networking. Networks form usually around users’ subjects of interest. They might also model the real-life social networks of people. The goal of this study is to present different methods of using a user’s social network in an automatic recommender system. Studies show that users prefer recommendations that are based on the opinions of people they know. By utilizing a user’s existing social network, it is possible to provide more accurate and trustworthy recommendations. The purpose is to evaluate social recommendation methods and provide practical suggestions for implementation. The results for social recommendation were simulated by fusing existing data from a collaborative filtering system with data from a social networking site. Ratings from the social networking website were gathered using a questionnaire and then merged with existing data. The results showed noticeable improvement over the default implementation. Even though these results are not comparable, similar results have been gathered from previous studies. These show that fusing social data with collaborative filtering does indeed yield better recommendation results