Recomendaciones basadas en confianza para medios sociales Trust based recommendations for social media Borja Monsalve Piqueras Wipley, Social Gaming Platform Avda. M-40, nº 15 1º 10, Alcorcón, Madrid borja.monsalve@wipley.com Resumen: En este artículo planteamos las ventajas que podría ofrecer la aplicación de técnicas de recomendación de contenidos basadas en la confianza en medios sociales como Wipley, una red social vertical sobre videojuegos, donde los usuarios pueden acceder no sólo a información relativa a juegos, sino también conectar con otros aficionados y sus opiniones. Este tipo de recomendaciones se centran en el grafo social del usuario, y su utilización en medios como Wipley tiene como principal objetivo sugerir contenidos relevantes y de confianza. Esto generará mayor satisfacción del usuario y un aumento de su actividad en el sitio y con otros usuarios. Esto a su vez podrá beneficiar al medio social en cuestión como resultado del aumento del consumo de información y productos derivados del mismo. Palabras clave: sistemas de recomendación, confianza, redes sociales, videojuegos Abstract: In this paper we present the advantages of applying trust in recommender systems for social networks like Wipley, a vertical social network of videogames, where users can access information related to games and interact with other users and their opinions. This kind or recommendations are based on the social graph of the user, and using it in sites like Wipley is aimed to offer relevant and confident content to the user. This will increase user’s satisfaction with the site and other users and, at the same time, will benefit the social network with an increase of information demand and purchase of related products. Keywords: recommender systems, trust, social networks, videogames Tanta información, en ocasiones, puede 1 Introducción llegar a sobrepasar al usuario, provocando en él la sensación de estar completamente perdido en Hoy en día disponemos de una gran variedad de este mar de datos. aplicaciones web que nos permiten generar Los sistemas de recomendación han rápida y fácilmente contenido. Ejemplos típicos demostrado ser una alternativa efectiva a la son los blogs, las wikis o los foros, y gracias a hora de proporcionar una manera diferente de ellos prácticamente cualquier usuario tiene la acceder a la información (O'Donovan, 2005), posibilidad de crear y aportar datos a la web ofreciendo contenidos de manera más proactiva para que cualquier otro acceda a ellos. y personalizada en función de sus preferencias. El boom de las redes sociales no ha hecho En las redes sociales también se tiene la más que acentuar esta tendencia. Ahora los capacidad de expresar en qué medida un usuarios pueden relacionarse unos con otros, usuario confía en otros (Golbeck, 2007). La compartiendo intereses, información y confianza permite determinar las personas con contenidos al tiempo que opinan sobre ellos y quienes deberíamos compartir contenidos y de los valoran. quiénes aceptarlos. Es lógico pensar que un Según (Tomkins 2008), los usuarios generan usuario valorará mejor las recomendaciones al día entre 8 y 10 GB de información, unos 3 venidas de gente en la que confía más. Por tanto TB de datos privados (incluyendo e-mails), más los sistemas de recomendación que incorporan de 1 millón de posts en blogs, 3 millones de la confianza entre usuarios como factor a tener mensajes en Twitter, más de 150 millones de en cuenta, poseen el potencial de generar URLs almacenadas Delicious, y así un largo etcétera... recomendaciones aún más personalizadas y anteriormente. Con los elementos nuevos la atractivas. dificultad radica en que hasta que un artículo no tenga un mínimo número de valoraciones, no 2 Antecedentes será recomendado. La dispersión consiste en que generalmente hay menos valoraciones para Se considera a los sistemas de un objeto que las que el recomendador recomendación como disciplina independiente necesitaría para considerarlo como candidato. desde mediados de los 90, cuando los Por ejemplo, un videojuego puede estar muy investigadores comenzaron a utilizar las bien puntuado, pero no por el suficiente número valoraciones de los usuarios sobre un contenido de usuarios, lo que hará que apenas sea para ofrecer resultados a priori desconocidos sugerido a los usuarios. para otros usuarios. De manera general, puede decirse que el problema de la recomendación se reduce al problema de estimar una valoración o 3 Recomendación Social y Confianza puntuación para contenidos que aún no han sido vistos por el usuario (Adomavicius, 2005). Recientemente los investigadores han En los sistemas de recomendación suelen comenzado a incluir la confianza como una estar presentes dos espacios de trabajo: por un nueva variable para mejorar los resultados lado se encuentran los usuarios, y por otro los obtenidos y paliar algunos de los problemas contenidos (noticias, vídeos, canciones...) o anteriores. Existen evaluaciones empíricas que productos (libros, restaurantes, ordenadores...) demuestran que los sistemas de recomendación susceptibles de ser valorados por aquéllos y por que utilizan la confianza son los más efectivos tanto recomendados por el sistema. en términos de precisión, siendo esto El objetivo de todo sistema de especialmente evidente en usuarios que han recomendación es encontrar la utilidad que realizado todavía pocas valoraciones (Massa y puede tener un contenido o producto para un Avesani, 2007). usuario concreto, y ofrecerle los que se Golbeck (Golbeck, 2007) define la consideran más provechosos para él. Esta confianza como el compromiso con una acción utilidad normalmente se representa mediante basada en la creencia de que las acciones una valoración o puntuación (rating en inglés), futuras de esa persona darán lugar a un buen a través de la cual una persona ha indicado en resultado. (Ziegler y Golbeck, 2006) llevaron a qué grado le ha gustado o interesado algo en cabo un estudio en el que mostraban que existía concreto. una fuerte y significativa correlación entre la El problema es que lo normal es que la semejanza y la confianza: cuanto más parecidas utilidad no se encuentre definida para todo el eran dos personas, mayor resultaba la confianza espacio de trabajo formado por los usuarios y entre ellos. Así, un sistema que es capaz de los elementos a recomendar, con lo que deberá demostrar la semejanza entre las preferencias de ser estimada de algún modo por el sistema. los usuarios es un sistema más confiable. En función de cómo se calculan estas Un sistema que utiliza la confianza como estimaciones y, por tanto, cómo se hacen las variable, necesita que se haya declarado de recomendaciones, normalmente se distinguen alguna manera quién confía en quién. Estas tres tipos de sistemas de recomendación: declaraciones definen una red social "de basados en contenido, colaborativos e híbridos. confianza". Si esta información ha sido Los sistemas de recomendación basados en declarada expresamente por los usuarios, el el contenido presentan algunos problemas, sistema será más preciso. Si no es así, habrá que como el exceso de especialización (por la cual inferirla de algún modo a partir de cómo no ofrecerá al usuario elementos diferentes a los interactúan unos usuarios con otros. que haya visto con anterioridad), o los Uno de los algoritmos para el cálculo de la derivados de la gestión de usuarios noveles (el confianza más citados es el Eigen Trust, aunque sistema necesita que el usuario haga suficientes fue diseñado para sistemas P2P en lugar de para valoraciones antes de poder sugerirle algo). redes sociales (Kamvar, Schlosser y García- Los recomendadores colaborativos suelen Molina, 2004). Trata la confianza como una tener problemas también con la inserción de relación entre el contenido corrupto y el válido nuevos elementos, la dispersión y también con que un usuario ha recibido de otro. Para el caso de los usuarios nuevos citado calcular en qué grado se puede confiar en un usuario desconocido se hace uso de la red de a la red social, participantes recientes, etc. Pero contactos y se infiere la confianza, calculada a también es personalizada porque Wipley través de una variación del PageRank utilizado recomienda una serie de juegos que el usuario por Google. no posee en función de los que ya componen su (Ziegler y Lausen, 2004) propusieron el colección (ver figura 2). algoritmo Appleseed, una métrica de confianza local que a partir de una red y un elemento de la misma, devuelve un ranking de todos los nodos en la red. Al igual que el algoritmo Eigen, se basa en encontrar el vector eigen principal. (Golbeck, 2005) introdujo el algoritmo TidalTrust para procesar valores personalizados Figura 1. Videojuegos recomendados para el de confianza en redes sociales. Este algoritmo juego Dragon Age: Origins (rol) proporciona resultados utilizando la misma escala con la que los usuarios asignan valores Ambas recomendaciones se realizan de confianza a otros usuarios. Normalmente utilizando un enfoque colaborativo. La genera predicciones efectivas que permiten diferencia está en que para la ficha del juego, la mejorar las recomendaciones, pero posee recomendación se centra en el elemento, algunas pegas que hacen que sólo pueda usarse mientras que las de la portada se centran en el cuando existen conexiones entre los usuarios y usuario. En cualquier caso el objetivo es cuando los valores de confianza para esas descubrirle al jugador nuevos contenidos en la conexiones son accesibles. red que pueden resultar de su interés en función de las valoraciones dadas por él y por otros 4 Aplicación en Wipley usuarios. Wipley1 es una red social vertical centrada en el mundo de los videojuegos. En ella los usuarios pueden interactuar con otros aficionados, y gestionar sus colecciones de videojuegos. Cada usuario puede indicar cuáles posee, y asignarle a cada uno de ellos una valoración entre 1 y 5 en tramos de 0,25 puntos, así como insertar comentarios. En cualquier caso, no es necesario agregar un juego a la colección para poderlo votar o comentar. Al acceder a la ficha de un juego, no sólo se puede ver la información básica del mismo (título, desarrollador, etc.), o datos relacionados con él, como entradas en Twitter o YouTube, sino también la recomendación de otros juegos similares en función del que estamos viendo. En la actualidad Wipley sugiere 4 títulos, para Figura 2. Juegos recomendados para un los que muestra su nombre, carátula, género, usuario en función de su perfil. plataforma y valoración media en función de los votos de otros usuarios. Así el usuario puede Con ello se logra una mayor interacción con descubrir títulos similares a aquel que está el sitio, y esta se hace a través de información revisando (ver figura 1). de interés. El sistema ayuda al usuario a no Cuando un usuario accede a Wipley lo hace sentirse perdido entre tanta información y a través de su portada, una página web navegar por contenido útil. dinámica y personalizada. Es dinámica porque La utilización de información relativa a la en ella se muestra la actividad más reciente de confianza que un usuario deposita en otro puede la red en forma de publicaciones de otros ayudar a una red social como Wipley en varios usuarios en sus blogs, últimos juegos añadidos sentidos. En primer lugar, permitirá mejorar la recomendación de usuarios, que hasta el 1 momento se basa únicamente en la similitud de http://www.wipley.es perfiles entre ellos. Así, una persona podrá exceso de información que pueblan las redes aumentar su red de amigos a partir de las sociales en Internet. sugerencias ofrecidas en base a las relaciones Añadir la variable de la confianza permite de confianza establecidas dentro de su grafo obtener recomendaciones más efectivas y social. Por ejemplo, si el usuario A confía transparentes, que pueden aumentar el tráfico y mucho en el usuario B, y esté a su vez en C, el la actividad en una comunidad online, así como sistema podría recomendar a A que contactase los beneficios derivados por el aumento de con C, basándose en las relaciones de confianza páginas vistas, tiempo en el sitio y productos existentes entre ellos. Así, el usuario A tendrá vendidos por afiliación. la opción de añadir a su red un contacto de calidad. Además, permitirá recomendar contenidos Bibliografía en base a la confianza. Por ejemplo, el sistema J. Golbeck, “Trust and nuanced profile recomendará un videojuego por el simple hecho similarity in online social networks”. 2007. de que sea uno de los mejor valorados por MINDSWAP Informe técnico TR-MS1284, usuarios en los que más confianza tengamos Universidad de Maryland, College Park, depositada, ampliándose así la manera de Informe Técnico (Tech. Rep.) ofrecer sugerencias de manera colaborativa. Al mismo tiempo la confianza ayudará a S. D. Kamvar, M. T. Schlosser, y H. García- explicar mejor por qué se ofrece una Molina. 2004. "The eigentrust algorithm for recomendación, permitiendo por tanto un reputation management in p2p netwoks". proceso más transparente de cara al usuario. De Proceedings of the 12th International Word hecho, una buena explicación aumenta la Wide Web Conference. confianza y lealtad del usuario hacia el sitio, P. Massa, P. Avesani. 2007. "Trust-aware incrementa también su satisfacción y hace que recommender systems". Proceedings of the sea más probable que una persona compre o 2007 ACM conference on Recommender recomiende directamente algo (Tintarev, systems, October 19-20, 2007, Minneapolis, Masthoff 2007). MN, USA Estas técnicas servirán no sólo para ofrecer videojuegos a los usuarios de Wipley, sino J. O'Donovan y B. Smith. 2005. "Trust in también cualquier otro tipo de contenido en la Recomender Systems". Proceedings of the red social, como entradas en blogs de otros 10th International Conference on Intelligent usuarios, grupos, foros, etc. User Interfaces (EC’04), pp. 167–174. ACM En resumen, Wipley se beneficiará Press, Nueva York. principalmente en tres sentidos. Por un lado al N. Tintarev y J. Masthoff. 2007. "A Survey of ofrecer más contenido de valor al usuario se explanations in recommender systems". logrará que pase más tiempo en el sitio, Proc. ICDEW’07, 801-810.A. Tomkins. traduciéndose en más páginas vistas, y por tanto 2008. “Challenges in Searching Social más ingresos por impresiones publicitarias. Por Media”. Proceedings of the 2008 ACM otro, al fomentar el descubrimiento no sólo de Workshop on Search in Social Media, SSM contenido, sino de personas, se propiciará una 2008, ACM CIKM, pp. 1-2. mayor interacción entre usuarios, más actividad en la red social y por tanto un incremento del C. N. Zeigle, J. Golbeck. 2006. "Investigating atractivo de Wipley. Y por último, como se correlations of trust and interest similarity". comentaba anteriormente, mejorar la Decision Support Services. percepción de la calidad y la confianza en las C. N. Zeigle, G. Lausen. 2004. "Spreading recomendaciones se podrá traducir también en activation models for trust propagation". un aumento de las ventas a través de sistemas Proceedings of the IEEE International de afiliación. Conference on e-Technology, e-Commerce, and e-Service, Taipei, Taiwan. IEEE Computer Society Press. 5 Conclusiones Los sistemas de recomendación permiten ayudar al usuario a enfocarse ante el tremendo