5. Vertrauen
●
Menschen neigen dazu Empfehlungen
von vertrauenswürdigen Menschen
(Freunden) mehr zu vertrauen als
herkömlichen Empfehlungssystemen
5/31
6. 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
8. 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
13. 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
14. 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
17. 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
18. 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
19. 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
23. 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
25. 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
27. 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
28. 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
29. 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
30. 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
31. Quellen
●
●
Trust and Recommendations (Patricia Victor et al., 2010)
Trust-based recommendation systems: An axiomatic approach
(Reid Andersen et al., 2008)
31/31