SlideShare ist ein Scribd-Unternehmen logo
1 von 31
Downloaden Sie, um offline zu lesen
Trust-based recommender systems
Hofinger Tobias
09.01.2014
Inhaltsverzeichnis
●
●

●

Einleitung
Zusammenhang zwischen Vertrauen und
Empfehlungssystemen
Vertrauen berechnen
–
–

●

Darstellung von Vertrauen
Berechnen

Trust-based recommender systems
–

Empfehlungen
2/31
Inhaltsverzeichnis
●

Automatische Vertrauensberechnung

●

Empirische Auswertung

●

Vorraussetzungen für
Empfehlungssysteme
–

●

Axiome 1 – 8

Schlussfolgerung

3/31
Einleitung
●

Web 2.0
–
–

●

Zusammenarbeit
Informationen austauschen

Empfehlungssysteme
–

Vorhersagen/Empfehlungen

–

Basieren auf Informationen über Benutzer
und deren Beziehungen zu anderen
Benutzern

4/31
Vertrauen

●

Menschen neigen dazu Empfehlungen
von vertrauenswürdigen Menschen
(Freunden) mehr zu vertrauen als
herkömlichen Empfehlungssystemen

5/31
Vertrauen
●

●

●

Soziale Netzwerke ermöglichen
das Erstellen von Vertrauensnetzwerken
(Web of Trust)
Kombination von Empfehlungssystemen
und Vertrauensnetzwerken
Es ist auch möglich Misstrauen
abzubilden (Block list)
6/31
Darstellung
●

Wahrscheinlichkeitsbezogen
–

–

●

Einem Knoten entweder gar nicht oder
voll vertrauen (0 oder 1)
Berechnung der Wahrscheinlichkeit dass
einem Knoten vertraut werden kann

Stufenweiser Ansatz
–

Vertrauensstufen (zb. 0.0 – 1.0)

7/31
Berechnung
●

In großen Vertrauensnetzwerken stehen
die meisten Knoten nicht in direkter
Beziehung zueinander

●

Web of Trust eines Knotens daher klein

●

Vertrauensmatrizen
–

Berechnung ob und wieviel ein Knoten
einem anderen Knoten vertrauen kann

–

Verschiedene Ausführungen

8/31
Berechnung

●

Vertrauensmatrizen werden mittels zwei
Verfahren berechnet
–

Ausbreitung (Propagation)

–

Zusammenführung (Aggregation)

9/31
Ausbreitung
●

Transitivität
–

A vertraut B

–

B vertraut C

–

Daher kann A - C vertrauen (zu einem
gewissen Grad)

10/31
Ausbreitung von Vertrauen
●

Operator
–
–

●

Multiplikation
Formeln

Reichweite
–

Über das ganze Netzwerk

–

Bis zu definierten Grenzen

11/31
Ausbreitung von Vertrauen

●

Multiplikation: t1 x t2
–

Vertrauenswert von A in B ist 0.5

–

Vertrauenswert von B in C ist 0.7

–

Daher ist der Wert für A in C = 0.35

12/31
Ausbreitung von Misstrauen
●

Mehrere Ansätze mit teils komplizierten
Formeln
–

●

Knoten werden mit Tupeln aus
Vertrauen/Misstrauen beschrieben (t, d)

Uneinigkeit über den besten Ansatz um
Misstrauen zu berechnen

13/31
Ausbreitung von Misstrauen
●

●

(t3, d3) = (t1 x t2, t1 x d2)

(t3, d3) =
(t1 x t2 + d1 x d2 – t1 x t2 x d1 x d2,
t1 x d2 + d1 x t2 – t1 x d2 x d1 x t2)

14/31
Zusammenführung
●

Mehrere Kanten zu einem Knoten

●

Operatoren
–
–

Durchschnitt

–
●

Minimum/Maximum
Gewichtet

Reihenfolge wichtig

15/31
Trust-based
recommender systems
●

●

Vertrauenssysteme und
Empfehlungssysteme kombinieren
Schwächen von Empfehlungssystemen
beheben
–

Sparsity

–

Cold Start User

–

Attacks

●

Manuelle WoT

●

Automatische WoT
16/31
Empfehlungen berechnen
●

●

Werte der Knoten in Vertrauensmatrizen
als Grundlage der Gewichtung
Viele verschiedene Algorithmen
–

Trust-based weighted mean

–

TidalTrust

–

Trust-based collaborative filtering

–

MoleTrust

17/31
Trust-based weighted mean
●

a = Benutzer für den eine Empfehlung erstellt
werden soll

●

i = Gegenstand der Empfohlen werden soll

●

ta,u = Vertrauen von a in Benutzer u

●

RT = Menge der Benutzer die i bewertet haben

18/31
TidalTrust
●

Experiment
–
–

Bekannten Vertrauenswert neu berechnet

–

Kurze Wege sind genauer

–
●

Normale Matrix

Wege mit hohen Werten sind genauer

Spezielle Vertrauensmatrix (TidalTrust)
–

Maximale Pfadlänge

–

Untergrenze für Vertrauenswerte eines
Pfads
19/31
Trust-based collaborative
filtering
●

●

Ähnlich zu normalen collaborative filtering

Statt Ähnlichkeit zu anderen
Benutzern/Gegenständen wird hier
Vertrauen eingesetzt

20/31
MoleTrust
●
●

Zyklen entfernen
Vertrauensnetzwerk wird azyklischer
Graph

●

Graph durchlaufen

●

Propagation horizon
–
–

●

Anfangs festgelegt
Grenze des WoT

Vertrauensuntergrenze
–

Anfangs festgelegt
21/31
Automatische
Vertrauensberechnung
●

Bisher direkte Eingaben von
Vertrauenswerten

●

Nicht immer möglich

●

Automatische Berechnung
–

Profile- and item-level trust

–

Trust-based filtering

22/31
Profile- and item-level trust
●

●

Benutzer die viele gute Empfehlungen
aufweisen sind Vertrauenswürdiger als
andere
Zwei Vertrauensmatrizen
–

Profile-level trust

–

Item-level trust

23/31
Trust-based filtering
●

●

Nur Vertrauenswürdige Benutzer werden
einbezogen

Vertrauenswürdigkeit wird durch profile/
item-level trust ermittelt

24/31
Empirische Auswertung
●

Die bisher genannten Ansätze wurden
mittels zwei Datensätzen von
Epinions.com getestet

●

Leave-one-out Methode

●

Zufällige Gegenstände
–

●

Kaum Verbesserung gegenüber bisherige
Verfahren

Umstrittene Gegenstände
–

Verbesserung unter gewissen Umständen
25/31
Vorraussetzungen für
Empfehlungssysteme
●

●

●

Allgemeine angenommene
Vorraussetzungen
Sollten von allen Vertrauensbasierten
Empfehlungssysteme erfüllt werden
8 Axiome

26/31
Axiome 1 - 3
●

Symmetrie
–

Vertrauensnetzwerke Symmetrisch
●

●

Positive Antwort
–

●

Gleich viele Knoten denen man
vertraut/misstraut

Unentschlossener Knoten empfiehlt falls
er mit positiven Knoten verbunden ist

Unabhängigkeit von Irrelevanten Knoten
–

Knoten zu denen keine Verbindung
besteht fließen nicht in Empfehlung ein
27/31
Axiome 4 - 6
●

Einigkeit der Nachbarschaft
–

●

Ausbreitung von Vertrauen
–

●

Falls alle umliegenden Knoten empfehlen
Propagation, A vertraut B, B vertraut C
→ A vertraut C

Skaleninvarianz
–

Verdoppeln der ausgehenden Kanten
ändert keine Empfehlungen

28/31
Axiome 7-8
●

Mehrheit
–

●

Die Empfehlung eines Knotens sollte der
Mehrheit der umliegenden
Vertrauenswürdigen Nachbarn
entsprechen

Kein Gruppendenken
–

Die Empfehlung einer Gruppe von Knoten
sollte der Mehrheit der umliegenden
vertraunswürdigen Nachbarn
entsprechen
29/31
Schlussfolgerung
●

●

●

Großer Nutzen für Empfehlungssysteme
mit Vertrauensnetzwerk
Kein kompletter Ersatz für normale
Systeme
Probleme
–
–

Noch wenig erforscht

–
●

Relativ unbekannt
Kaum Testdaten

In Zukunft größere Bedeutung
30/31
Quellen
●

●

Trust and Recommendations (Patricia Victor et al., 2010)

Trust-based recommendation systems: An axiomatic approach
(Reid Andersen et al., 2008)

31/31

Weitere ähnliche Inhalte

Andere mochten auch

Opinionway pour le Figaro - Les Français et les primaires à gauche
Opinionway pour le Figaro - Les Français et les primaires à gaucheOpinionway pour le Figaro - Les Français et les primaires à gauche
Opinionway pour le Figaro - Les Français et les primaires à gauchecontactOpinionWay
 
Green Economy - Grünes Mäntelchen oder echte Chance?
Green Economy - Grünes Mäntelchen oder echte Chance?Green Economy - Grünes Mäntelchen oder echte Chance?
Green Economy - Grünes Mäntelchen oder echte Chance?WWF Switzerland
 
Encabezado y pie de pagina 2
Encabezado y pie de pagina 2Encabezado y pie de pagina 2
Encabezado y pie de pagina 2guiabuen
 
Que son_las_buenas_practicas_en_las_tics_
 Que son_las_buenas_practicas_en_las_tics_ Que son_las_buenas_practicas_en_las_tics_
Que son_las_buenas_practicas_en_las_tics_anebalma
 
Offres commerciales ramadan 2012v mb1
Offres commerciales ramadan 2012v mb1Offres commerciales ramadan 2012v mb1
Offres commerciales ramadan 2012v mb1Moad Waddah
 
Nueva presentacion el consejero escolar como lider[1][1]
Nueva presentacion el consejero escolar como lider[1][1]Nueva presentacion el consejero escolar como lider[1][1]
Nueva presentacion el consejero escolar como lider[1][1]rodriguezaiconsejero
 
Rol docente
Rol docenteRol docente
Rol docenteGM1546
 
Universidad del valle de orizaba[1]
Universidad del valle de orizaba[1]Universidad del valle de orizaba[1]
Universidad del valle de orizaba[1]cordoba12
 
Diplomado Técnicas de Neurofacilitación
Diplomado Técnicas de NeurofacilitaciónDiplomado Técnicas de Neurofacilitación
Diplomado Técnicas de NeurofacilitaciónSilena Dinza
 
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...contactOpinionWay
 
Presentac..1
Presentac..1Presentac..1
Presentac..1GM1546
 
Culture making #1, le nouvel eldorado des entreprises
Culture making #1, le nouvel eldorado des entreprisesCulture making #1, le nouvel eldorado des entreprises
Culture making #1, le nouvel eldorado des entreprisesGeorge-Bailey
 

Andere mochten auch (18)

Constitución de los derechos humanos
Constitución de los derechos humanosConstitución de los derechos humanos
Constitución de los derechos humanos
 
Polonia e chopin
Polonia e chopinPolonia e chopin
Polonia e chopin
 
POLITICAS
POLITICASPOLITICAS
POLITICAS
 
Opinionway pour le Figaro - Les Français et les primaires à gauche
Opinionway pour le Figaro - Les Français et les primaires à gaucheOpinionway pour le Figaro - Les Français et les primaires à gauche
Opinionway pour le Figaro - Les Français et les primaires à gauche
 
Green Economy - Grünes Mäntelchen oder echte Chance?
Green Economy - Grünes Mäntelchen oder echte Chance?Green Economy - Grünes Mäntelchen oder echte Chance?
Green Economy - Grünes Mäntelchen oder echte Chance?
 
Encabezado y pie de pagina 2
Encabezado y pie de pagina 2Encabezado y pie de pagina 2
Encabezado y pie de pagina 2
 
Trabajo modalidad
Trabajo modalidadTrabajo modalidad
Trabajo modalidad
 
Que son_las_buenas_practicas_en_las_tics_
 Que son_las_buenas_practicas_en_las_tics_ Que son_las_buenas_practicas_en_las_tics_
Que son_las_buenas_practicas_en_las_tics_
 
Cros moià 2011
Cros moià 2011Cros moià 2011
Cros moià 2011
 
Ayudas para el book
Ayudas para el bookAyudas para el book
Ayudas para el book
 
Offres commerciales ramadan 2012v mb1
Offres commerciales ramadan 2012v mb1Offres commerciales ramadan 2012v mb1
Offres commerciales ramadan 2012v mb1
 
Nueva presentacion el consejero escolar como lider[1][1]
Nueva presentacion el consejero escolar como lider[1][1]Nueva presentacion el consejero escolar como lider[1][1]
Nueva presentacion el consejero escolar como lider[1][1]
 
Rol docente
Rol docenteRol docente
Rol docente
 
Universidad del valle de orizaba[1]
Universidad del valle de orizaba[1]Universidad del valle de orizaba[1]
Universidad del valle de orizaba[1]
 
Diplomado Técnicas de Neurofacilitación
Diplomado Técnicas de NeurofacilitaciónDiplomado Técnicas de Neurofacilitación
Diplomado Técnicas de Neurofacilitación
 
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...
OpinionWay pour Lima - Les Français et le stockage de données numériques - Ma...
 
Presentac..1
Presentac..1Presentac..1
Presentac..1
 
Culture making #1, le nouvel eldorado des entreprises
Culture making #1, le nouvel eldorado des entreprisesCulture making #1, le nouvel eldorado des entreprises
Culture making #1, le nouvel eldorado des entreprises
 

Mehr von Florian Stegmaier

Ansätze für gemeinschaftliches Filtering
Ansätze für gemeinschaftliches FilteringAnsätze für gemeinschaftliches Filtering
Ansätze für gemeinschaftliches FilteringFlorian Stegmaier
 
Fortschritte im Bereich Collaborative Filtering
Fortschritte im Bereich Collaborative FilteringFortschritte im Bereich Collaborative Filtering
Fortschritte im Bereich Collaborative FilteringFlorian Stegmaier
 
Realtime
 Distributed Analysis
 of Datastreams
Realtime
 Distributed Analysis
 of DatastreamsRealtime
 Distributed Analysis
 of Datastreams
Realtime
 Distributed Analysis
 of DatastreamsFlorian Stegmaier
 
Effiziente Verarbeitung von großen Datenmengen
Effiziente Verarbeitung von großen DatenmengenEffiziente Verarbeitung von großen Datenmengen
Effiziente Verarbeitung von großen DatenmengenFlorian Stegmaier
 
Trust und Interest Similarity und deren Anwendung für Empfehlungssysteme
Trust und Interest Similarity und deren Anwendung für EmpfehlungssystemeTrust und Interest Similarity und deren Anwendung für Empfehlungssysteme
Trust und Interest Similarity und deren Anwendung für EmpfehlungssystemeFlorian Stegmaier
 
Robustheit in Empfehlungssystemen
Robustheit in EmpfehlungssystemenRobustheit in Empfehlungssystemen
Robustheit in EmpfehlungssystemenFlorian Stegmaier
 
Linked Open Data als Basis für Empfehlungssysteme
Linked Open Data als Basis für EmpfehlungssystemeLinked Open Data als Basis für Empfehlungssysteme
Linked Open Data als Basis für EmpfehlungssystemeFlorian Stegmaier
 
Entscheidungshilfe: Recommender System
Entscheidungshilfe: Recommender SystemEntscheidungshilfe: Recommender System
Entscheidungshilfe: Recommender SystemFlorian Stegmaier
 
Funktionsweise und Ansätze von inhaltsbasiertem Filtern
Funktionsweise und Ansätze von inhaltsbasiertem FilternFunktionsweise und Ansätze von inhaltsbasiertem Filtern
Funktionsweise und Ansätze von inhaltsbasiertem FilternFlorian Stegmaier
 
Context Basierte Personalisierungsansätze
Context Basierte PersonalisierungsansätzeContext Basierte Personalisierungsansätze
Context Basierte PersonalisierungsansätzeFlorian Stegmaier
 
Evaluierung von Empfehlungssystemen
Evaluierung von EmpfehlungssystemenEvaluierung von Empfehlungssystemen
Evaluierung von EmpfehlungssystemenFlorian Stegmaier
 
Effiziente Verarbeitung von grossen Datenmengen
Effiziente Verarbeitung von grossen DatenmengenEffiziente Verarbeitung von grossen Datenmengen
Effiziente Verarbeitung von grossen DatenmengenFlorian Stegmaier
 
Introduction to the FP7 CODE project @ BDBC
Introduction to the FP7 CODE project @ BDBCIntroduction to the FP7 CODE project @ BDBC
Introduction to the FP7 CODE project @ BDBCFlorian Stegmaier
 
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...Florian Stegmaier
 
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...Florian Stegmaier
 

Mehr von Florian Stegmaier (16)

Ansätze für gemeinschaftliches Filtering
Ansätze für gemeinschaftliches FilteringAnsätze für gemeinschaftliches Filtering
Ansätze für gemeinschaftliches Filtering
 
Fortschritte im Bereich Collaborative Filtering
Fortschritte im Bereich Collaborative FilteringFortschritte im Bereich Collaborative Filtering
Fortschritte im Bereich Collaborative Filtering
 
Realtime
 Distributed Analysis
 of Datastreams
Realtime
 Distributed Analysis
 of DatastreamsRealtime
 Distributed Analysis
 of Datastreams
Realtime
 Distributed Analysis
 of Datastreams
 
Effiziente Verarbeitung von großen Datenmengen
Effiziente Verarbeitung von großen DatenmengenEffiziente Verarbeitung von großen Datenmengen
Effiziente Verarbeitung von großen Datenmengen
 
Trust und Interest Similarity und deren Anwendung für Empfehlungssysteme
Trust und Interest Similarity und deren Anwendung für EmpfehlungssystemeTrust und Interest Similarity und deren Anwendung für Empfehlungssysteme
Trust und Interest Similarity und deren Anwendung für Empfehlungssysteme
 
Musikempfehlungssysteme
MusikempfehlungssystemeMusikempfehlungssysteme
Musikempfehlungssysteme
 
Robustheit in Empfehlungssystemen
Robustheit in EmpfehlungssystemenRobustheit in Empfehlungssystemen
Robustheit in Empfehlungssystemen
 
Linked Open Data als Basis für Empfehlungssysteme
Linked Open Data als Basis für EmpfehlungssystemeLinked Open Data als Basis für Empfehlungssysteme
Linked Open Data als Basis für Empfehlungssysteme
 
Entscheidungshilfe: Recommender System
Entscheidungshilfe: Recommender SystemEntscheidungshilfe: Recommender System
Entscheidungshilfe: Recommender System
 
Funktionsweise und Ansätze von inhaltsbasiertem Filtern
Funktionsweise und Ansätze von inhaltsbasiertem FilternFunktionsweise und Ansätze von inhaltsbasiertem Filtern
Funktionsweise und Ansätze von inhaltsbasiertem Filtern
 
Context Basierte Personalisierungsansätze
Context Basierte PersonalisierungsansätzeContext Basierte Personalisierungsansätze
Context Basierte Personalisierungsansätze
 
Evaluierung von Empfehlungssystemen
Evaluierung von EmpfehlungssystemenEvaluierung von Empfehlungssystemen
Evaluierung von Empfehlungssystemen
 
Effiziente Verarbeitung von grossen Datenmengen
Effiziente Verarbeitung von grossen DatenmengenEffiziente Verarbeitung von grossen Datenmengen
Effiziente Verarbeitung von grossen Datenmengen
 
Introduction to the FP7 CODE project @ BDBC
Introduction to the FP7 CODE project @ BDBCIntroduction to the FP7 CODE project @ BDBC
Introduction to the FP7 CODE project @ BDBC
 
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...
Generische Datenintegration zur semantischen Diagnoseunterstützung im Projekt...
 
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...
AIR: Architecture for Interoperable Retrieval on Distributed and Heterogeneou...
 

Trust-based recommender systems