Suosittelualgoritmien käyttö sosiaalisen median yhteisöpalvelualustoilla

Abstract

Tämän insinöörityön tavoitteena oli tutkia tunnettuja suosittelualgoritmimalleja ja vertailla niiden soveltuvuutta sosiaalisen median yhteisöpalvelun verkkoalustalle. Vertailu toteutettiin luomalla valikoiduista suosittelualgoritmeista prototyypit, joiden avulla luotiin lista suosituksia. Suosituksien pohjalta arvioitiin, mikä suosittelualgoritmi sopisi parhaiten sosiaalisen median yhteisöpalvelulle.

Suosittelualgoritmit ovat koneoppimiseen pohjautuvia järjestelmiä. Ne seulovat suuria datamääriä, minkä pohjalta ne pyrkivät luomaan persoonallisia suosituksia eri käyttäjille. Tunnetuimpia ja käytetyimpiä suosittelualgoritmimalleja ovat yhteistoiminnalliset sekä sisältöpohjaiset suosittelualgoritmit, joiden toimintaa käytiin insinöörityössä tarkemmin läpi. Työssä tutustuttiin myös kolmeen samankaltaisuuden mittaan, joita suosittelualgoritmit hyödyntävät suosituksen tuottamisessa.

Monet verkkopohjaiset sosiaalisen median yhteisöpalvelut, kuten Facebook, Youtube ja Instagram, käyttävät suosittelualgoritmeja. Insinöörityössä tarkasteltiin lähemmin, mitä yhteisöpalvelut ovat ja miten käytetyimmät sosiaalisen median yhteisöpalvelut käyttävät suosittelualgoritmeja omilla alustoillaan. Samalla pohdittiin yleisesti sosiaalisen median vaikutusta suosittelualgoritmien toimintaan.

Lopuksi tehtiin kolme suosittelualgoritmiprototyyppiä, joilla mallinnettiin läpikäytyjen suosittelualgoritmimallien toimintaa. Työssä käytettiin kirja-datasettiä, jota hyödynnettiin luomaan valitulle käyttäjälle kirjasuosituksia. Saatujen tulosten pohjalta vertailtiin näiden kolmen suosittelualgoritmin toimintaa ja tehtiin havaintoja, kuinka ne soveltuisivat sosiaalisen median yhteisöpalvelun alustalle.

The goal of the study was to research and examine the most popular recommender algorithms and make comparisons to find out which one would work best in a social media networking service. The comparison was done with three different recommender algorithm prototypes that were used to create a list of recommendations. An evaluation was made based on the recommendations, as to which of them would suit the best for a social media networking service.

Recommender algorithms are systems based on machine learning. They sift through large amounts of data from which they aim to create personalized recommendations to different users. The most known and used recommender algorithms are collaborative filtering and content-based filtering. Here, a closer look is taken on how the algorithms work and also on three different similarity measures that these kinds of algorithms use to create recommendations.

Many web-based social media networking services such as Facebook, Youtube and Instagram use recommender algorithms. In the thesis a further look is taken into what networking services are and how the most used social media networking services utilize recommender algorithms in their platforms. Also, the thesis goes over effects of social media on how the recommender algorithms work.

Lastly, three recommender algorithm prototypes were made that replicate the functions of three different recommender algorithms. A book dataset was used to create recommendations to a selected user. Based on the recommendations, a comparison was made between the three recommender algorithms and how they would work in a social media networking service.