Sådan ved Netflix, hvad du skal se næste gang

Streamingtjenesterne gør brug af relativt simple tilgange til at give dig dine anbefalinger

Selvom der ikke altid rammes rigtigt, er blandt andet Netflix i høj grad i stand til at give dig forslag til din næste film eller serie. Det baserer sig på relativt simple principper om sammenligning af brugere. Det skriver ITU

»Når man åbner motorhjelmen på machine learning-metoderne, man bruger i anbefalingssystemer, er det bare algoritmer, der bygger på antagelser om sammenhængen mellem brugere, produkter og brugernes præferencer for disse produkter. Der kan være tale om både simple antagelser og relativt simple matematiske principper, og det virker forbløffende godt,« siger Jes Frellsen, der forsker i machine learning og kunstig intelligens på ITU.

Tre måder at kortlægge dig på

Jes Frellsen forklarer til ITU, at der overordnet set er tre tilgange, som en virksomhed kan bruge i tilgangen til at designe et anbefalingssystem:

  • Man kan have en collaborative-filtering tilgang. Det går i al sin simpelthed ud på, at man sammenligner dig med andre brugere, som har en nogenlunde ens præference i forhold til valg af film og serier. På baggrund af dette kan man give et nogenlunde kvalificeret bud på, hvad du vil have lyst til at se næste gang.

  • Den indholdsbaserede metode lægger sig i højere grad op ad, hvad du selv vælger at streame. Hvis du eksempelvis lige har set Troja med Brad Pitt, er det nærliggende at tro, at du kunne være interesseret i at se Alexander næste gang.

  • Til sidst kan man også ”vejlede” ud fra demografisk information, hvor man tager udgangspunkt i dit køn og alder, og på baggrund af dette anbefaler produkter, som andre i samme demografiske gruppe har været interesserede i.

Jes Frellsen slår overfor ITU fast, at datamængden har en stor effekt på kvaliteten af de anbefalinger, som streamingtjenester giver dig.

»Generelt bliver anbefalingssystemerne bedre, jo mere data man har. Hvis man både anvender information om indhold, demografi og brugernes adfærd, får man ofte de bedste forudsigelser,« siger Jes Frellsen.

Hvorfor Netflix så ofte anbefaler deres egenproducerede film og serier forlyder artiklen ikke noget om.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (5)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
#1 Henrik Sørensen

Hele machine learning-området recommendation er spændende og superrelevant, da flere og flere systemer vi omgiver os med baseres på dette paradigme.

Et interessant aspekt jeg har funderet over er hvordan man 'forurener' anbefalingerne så de ikke - qua deres rekursive natur - ender med at snævre anbefalingsrummet ind til det komplet forudsigelige .... den fuldstændigt forudsigelige anbefaling gør os jo mentalt og samfundsmæssigt fattigere....

Input anyone?

  • 6
  • 0
#4 Henrik Sørensen

@Mikkel: det vil være nemt at købe den præmis og den er sikkert også rigtig et stykke ned ad vejen.

Udfordringen er algoritmen der ligger til grund for anbefalingerne. Den er dannet ud fra et oprindeligt datasæt hvor min målgruppe har set et givet udvalg af film og jeg får derfor anbefalet et bestemt udvalg af film.

Sandsynligheden for at jeg vælger en af de anbefalede film er derfor højere end sandsynligheden for at jeg vælger en film fra det øvrige udvalg. Dermed bliver algoritmen selvforstærkende og det er måske knap så hensigtsmæssigt i længden som det umiddelbart kan lyde.

1 - det giver en (for mig) usynlig magt til ham der laver algoritmen ... måske sorteres film med en pro-abort holdning fra uden jeg ved det, måske er det homoseksualitet eller ... pointen er at set sker på et subtilt niveau udenfor min viden og kontrol.

2 - erfaring fortæller os at smag og behag skifter over tid (tænk bare på mode) ... hvordan er det lige at man så forurener algoritmen så den selv følger med smagsændringerne UDEN at det er den der dikterer hvad det skal være for ændringer?

3 - i næsten alle andre forhold i livet vil vi gerne have at folk stifter bekendtskab med og udfordres af ting de endnu ikke kender ... bare tænk på hvordan du gør dig umage med at give dine børn en varieret kost selvom en erfaringdrevet anbefalingsalgoritme ville begrænse udvalget til pasta med kødsovs og lyst brød med Nutella ... med andre ord: hvordan får vi algoritmerne til at gøre os klogere og udfordre os i stedet for hovedløst at fordumme os ved kun at anbefale os det vi med sikkerhed kan li'?

  • 2
  • 0
Log ind eller Opret konto for at kommentere