Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

An attention-based Ranking Model for social media

Workshop Amuce2007

  • Identifiez-vous pour voir les commentaires

An attention-based Ranking Model for social media

  1. 1. Application of a simple visual attention model to  the communication overload problem Tags:  Information overload, Community, Social Media, Attention‐ based Ranking model, visual attention model, Social computing  Context: European research  Nicolas Maisonneuve, research associate  project   www.atgentive.com Centre for Advanced Learning Technologies,  INSEAD Sept. 2007
  2. 2. Scenario 1: Online Community Situation • Member of an active community • I’m overwhelmed by the unread messages • I only have 10 minutes to understand the highlights  since my last login.  Problem :  Is there a way to recommend me the most important messages ? 1) Avoiding uninteresting messages according my interests, 2) … except if it’s about an important issue in the community
  3. 3. Scenario 2:  Weblogs & Social Media Situation  • I have subscribed to a lot of interesting blogs  • Now I’ m overloaded by too many posts • I only have 10 minutes to read all my feeds Same Question: How rank them and read only the most  important ones for me ? 
  4. 4. Research problem Question: In a rich information (and social) environment,  How do I  choose items (message, blog posting, .. )  due to my limited  resources (e.g. time, or people) ?  Answer:   in a rich information environment,  information competes  for the  user’s attention (c.f Attention Economy) I choose the most attractive items Conception of an Attention‐based Ranking Model to select  items
  5. 5. How does an item attract the user’s attention? Similarity in vision • In a scene (visual rich environment),  which area (item) will  attract my attention?  • how to predict where my attention will be guided? (Visual  Search problem) Approach  • Use of a visual search model: “guided Search2.0” (J. Wolfe, 1994) • Turn visual signals  into  communication signals  (Message Reader = eye to  perceive the social activity)
  6. 6. How does an item attract the user’s attention? The Visual attention model “Guided Search 2.0”  ‐ 1/2 Saliency (i.e. attractivity) of a signal The saliency of a signal is computed as the (weighted) sum of  the saliency for each attractive feature of the signal (e.g.  color, size, intensity, motion,etc…) Attention guiding the 2 types of features: • Top‐down features (User guidance) e.g.  user searching a green object • Bottom‐up features (Stimuli guidance)  e.g. flashy object in a dark scene
  7. 7. How does an item attract the user’s attention? The Visual attention model  Guided Search 2.0  ‐ 2/2 Process  1) For each attractive feature,  the signals are computed into a  Feature Map (i.e. their levels of saliency according to the feature) 2) Mix of the feature Maps into a global Saliency Map
  8. 8. In your context of communication signals…  Question 1: What are the top‐down features (user’s interest profile) ?  Question 2: What are the bottom‐up features? (i.e. attractive features  without knowing the user’s  intention) Question 3: How to compute a feature map? Question 4: how to  compute the saliency map? 
  9. 9. Question 1: What are the top‐down features?   (User driven attention) User's vigilance profile in a IT  Top‐down features Community (scenario 1) • Message’s Topic: focus on specific topics • Message’s User:  focus on specific users Simple Vigilance profile P  For a given context K (e.g. a task to do) , VG Market IT Industry Research P(k)  =  (C,W)  with: ‐ C = The set of concepts c (user, topic) I want  User's vigilance profile in a  to pay specially attention to in a signal Social Network (Scenario3) ‐W = their respective levels of  vigilance wc for the user  ‐ + Limited capacity H ( ∑wc<H  and wc>w min ) (I can’t want to pay attention to everything) userA userB userC Vigilance feature map
  10. 10. Question 2: What are attractive bottom‐up features?  (i.e. without knowing the user’s  intention) 1) Exception  3) User’s effort 2) About me  (temporal/spatial) ‐ Type of Medium  ‐ message audience  ‐ Unusual sender focussed on me  (Text < Sound< Video) (mailing‐list vs. personal   ‐ Unusual topic message) ‐ Unusual activity (cf 5)  5) Other’s influence 4) Urgency ‐ Collective attention  (burst of activity) Lifecycle of the message   ‐ Explicit Attention asked (Subject:  (3 months<now) [URGENT]… ) ‐ See also 5)
  11. 11. Question 3: How to compute a feature map? Computation of a bottom‐up feature map E = the set of unread items  e1, e2, .. , en  • For each feature k , each item is computed  by a  function fk to give its  saliency [0, 1] related to this feature •A feature map is Mk={fk (e1), fk (e2), .. , fk (en)}  Example: Simple Computation of the Burst of  (reading) Activity  feature Definition: Burst = an abnormal high level of activity :  Last week, in average, a  message has been read  10 times,  but the message A has been read  30 times.  Computation: r(e,∆t) = the number of readings of  the message e during the interval ∆t,  m = the mean of r(e, ∆t) for the set of messages read during ∆t fburst(e)= 1 with 1<t1<t2 the bounds 0 m m*t1 m* t2 inf
  12. 12. Conclusion Features of the Ranking Model • Based on a Visual Attention Model  Not only what the user expects ( bottom up feature) • Use of social factors to rank items.  • Try to integrate the notions of  limited capacity & vigilance •Adaptive to the context (possible change of the vigilance profile) Future work • Partially implemented  (collective activity observer,  burst of  Activity, Vigilance Profile)  • Need to be evaluated (how to configure  the weight of each  Feature in the global saliency map computation?)
  13. 13. Thanks for your attention.  ☺
  14. 14. Scenario 3:  Traditional Communication Situation :   • Growth of the user’s connectivity (globalization + internet) • I’m currently collaborating on a specific task with userA and  • 4 hours spent managing emails per day by senior  specially with userB.  management (Guardian Unlimited Newspaper, 2007)  • I receive a lot of emails that interrupt my work • Economic Impact of the interruption caused by  email+online tools:  $588 billion/year  for the Us Economy   (Basex Research, 2005) Problem  Is there a way to notify me  on a new emails only if : ‐ it  is related to my current task (e.g. message from UserB) ‐ Or it  delivers unexpected but important information.