Dataloger fra AAU hædret for anbefalingssystem

Har du en favorit-streamingtjeneste, når du ser film eller hører musik? Så er det måske fordi, tjenesten kender dig og derfor er god til at forslå dig den næste film, du skal se, eller det næste musik, du skal høre. Med andre ord: der ligger et velfungerende anbefalingssystem bag.

Men ofte ser man ikke en film alene. To eller flere skal blive enige, og mens den enes smag går mest i retning af The Matrix, vil den anden måske hellere se en romantisk komedie.

Hvordan kan man lave anbefalingssystemer, der kan give anbefalinger til grupper af mennesker?

Det har de to kandidater i datalogi Lasse Drustrup Christensen og Lukas Nic Dalgaard undersøgt i deres speciale ’Beyond Individual Recommendation – Aggregation Methods for Group Based Recommender Systems’.

Specialet, som er skrevet ved Aalborg Universitet, har netop vundet DBC Specialeprisen 2017 på 25.000 kroner.

Prisen gives for det bedste kandidatspeciale med relevans for DBC’s arbejde med infrastrukturen til de danske biblioteker – DBC producerer blandt andet metadata og udvikler og driver databaser, bestillings- og søgesystem og grænseflader som bibliotek.dk og filmstriben.dk.

Anbefalingssystemer i bibliotekerne

”Anbefalingssystemer får en større og større rolle for bibliotekerne og deres brugere i det digitale rum, så det vil vi gerne sætte fokus på med prisen. Specialet er gennemarbejdet og på et højt fagligt niveau, og det åbner for nogle nye ideer, som på sigt måske kunne være relevante i forhold til læsekredse, der skal blive enige om den næste bog, eller familien, der vil se en film sammen på Filmstriben,” siger Jane Wiis, der som administrerende direktør for DBC overrakte specialeprisen.

Bibliotekernes streamingtjeneste Filmstriben bruger i dag et anbefalingssystem, som DBC har udviklet, til at foreslå film til brugere, der er logget ind, og der er tilsvarende systemer på vej på bl.a. grænsefladen bibliotek.dk.

Glade og overraskede

”Det var en stor overraskelse, og jeg blev meget glad,” siger Lasse Drustrup Christensen, og Lukas Nic Dalgaard tilføjer:

”Vi er super glade for at kunne repræsentere Aalborg Universitet og for, at der kommer fokus og opmærksomhed på det her område, som måske er lidt niche, men som er begyndt at vokse.”

Arbejder på artikel

De to vindere arbejder på en artikel, som de vil lave på baggrund af et større datasæt, end det var muligt i specialet, så de kan få en mere robust test af resultaterne. Og derefter har de en drøm om at bruge resultaterne i virkeligheden:

”Vi kunne godt tænke os at bruge gruppeanbefaleren i en konkret applikation, for eksempel en jukebox, der kan anbefale musik til en skare af mennesker,” siger Lasse Drustrup Christensen.

Fakta:

Den ideelle anbefaling af fx en film til en gruppe af mennesker rammer noget, alle bliver glade for. Specialet ’Beyond Individual Recommendation’ sætter matematik på, hvordan en gruppe af mennesker er tilfredse med en beslutning. Hvordan lader man flertallet bestemme på en måde, så mindretallet ikke føler sig overset? De to forfattere undersøger og evaluerer kendte metoder inden for machine learning og finder gode resultater ved ’Borda Count’ og Markov Chain’.

Specialet kan læses her: http://projekter.aau.dk/projekter/da/studentthesis/beyond-individual-recommendation--aggregation-methods-for-group-based-recommender-systems(dde5596c-afe3-40f0-b0b6-f5f5d0e51789).html