Opera Software "Discover" service : Research on Relevancy and Freshness of the Suggested Content and Ways to Improve It

Abstract

Opera Software ASA is a Norwegian company developing Internet browsers for a variety of devices. Starting from version 15 it includes a feature “Discover”, which is a news recommendation system created to suggest news articles right in the browser window.

The purpose of this thesis work was to conduct a research on relevancy of content in Discover and suggest improvements for the service. First, a research on the main content filtering techniques in recommender systems was done. By analysing filtering methods, different advantages and drawbacks were revealed. After covering the theory on recommendation systems, currently used filtering techniques in Discover were presented.

It was concluded that news recommendation systems gained considerable popularity over the recent years, with increasing amount of people preferring news aggregators to other traditional ways to retrieve news stories. As news aggregation is a competitive market, users have a wide choice of services to use. Considering this tendency, the importance of relevant content in Discover was considered to play a vital part in user engagement.

Prior to suggesting improvements, different relevancy criteria were presented. Those factors help to determine the significance of a news story to the general type of reader. By evaluating the current situation with content relevancy in Discover, a number of disadvantages in the current system were presented.

The final chapter of this thesis includes the suggestions for improving the relevancy of content in Discover, which are based on previously stated relevancy factors. The improvements are proposed for general recommendations, as well as for personalized recommendations.

Opera Software ASA on norjalainen yritys, joka kehittää internet-selaimia ja erilaisia laitteita varten.Versiosta 15 alkaen se sisältää "Discover" ominaisuuden, joka on uutisten suositusjärjestelmä ja joka ehdottaa uutisartikkeleita selaimessa esitettäväksi.

Tämän opinnäytetyön tarkoituksena oli toteuttaa tutkimus ”Discover” uutisten sisällön suosituspalvelun käyttökelpoisuudesta ja ehdottaa parannuksia toimintaan. Tutkimus aloitettiin suositusjärjestelmän uutisten pääsisällön suodatustekniikoista. Analysoimalla suodatusmenetelmiä saatiin erilaiset edut ja haitat paljastettua. Suositusjärjestelmien teorian esityksen jälkeen työssä esitellään nykyisin käytössä olevat suodatusmenetelmät.

Todettiin, että uutisten suositusjärjestelmät ovat saavuttaneet huomattavaa suosiota viime vuosina ja yhä suurempi määrä käyttäjiä suosii mieluummin uutisten yhdistelypalvelua verrattuna perinteisiin tapoihin hakea uutisia. Uutisten yhdistely on kilpailtu ala markkinoilla ja käyttäjillä on valittavissaan monia vaihtoehtoja. Tälläisen suuntauksen ollessa vallalla katsottiin olevan tärkeää, että ”Discover” palvelun tarjoama uutissisältö on asiallista.

Ennen parannusehdotusten tekemistä esitellään uutisten asiallisuuden eri kriteerit. Kriteerit auttavat määrittämään uutisten merkityksen tavalliselle lukijalle. Työssä arvioitiin ”Discover” palvelun tarjoama sisällön ajankohtaisuus ja saatiin samalla esille useita epäkohtia toiminnassa.

Viimeinen työn luku sisältää parannusehdotuksia ”Discover” palvelun sisällön asiallisuuden parantamiseen ja jotka perustuvat aiemmin esitettyihin kriteereihin. Parannuksia ehdotetaan ”Discover” palvelun yleisiin suosituksiin ja henkilökohtaisiin suosituksiin.