"Wisdom of the Crowd: Incorporating Social Influence in Recommendation Models", Shang Shang, Pan Hui, Sanjeev R. Kulkarni, and Paul W. Cuff, August 3, 2012
Cet article porte sur l'enrichissement des techniques de recommandation personnalisées par la prise en compte des réseaux sociaux.
Les recommendations personnelles telles que les mettent en oeuvre des entreprises de e-commerce comme Amazon, Netflix entre autres (pour les livres, les films, la musique, les applis, etc.), reposent sur un modèle de filtrage collaboratif. Modèle conservateur : il est basé sur l'inertie postulée des comportements et des décisions d'achats passés pour suggérer des choix homologues (cohérents, etc.) pour l'avenir. Un tel modèle est a-social : il considère que les individus sont autonomes, indépendants. De plus, il est handicapé par la question, difficile, des débuts : car,au début, il n'y a pas de données (cold start) et la recommandation est erratique et peut dissuader l'acheteur. Evacuées également les manipulations par injection de profils et de choix biaisés pour fausser volontairement le fonctionnement du modèle pour désavantager ou avantager artificiellement un produit (shilling attacks).
Au modèle classique du filtrage collaboratif, les auteurs de cet article proposent d'associer des modèles mathématiques basés sur la contagion sociale et l'influence des réseaux sociaux (network theory), pour les individus mais aussi pour les groupes. Tout choix individuel étant surdéterminé par le contexte de réseau social, les auteurs réinsèrent la décision d'achat dans un environnement social structuré ("No man is an island", comme dit le poète). Le modèle final est plus réaliste, mieux adapté à un monde de décisions où les réseaux sociaux donnent une nouvelle ampleur et une nouvelle pérennité à la contagion et à l'influence.