Misurare le relazioni di un social network: analisi del sistema di raccomandazioni

Gli HP Labs, sotto la guida del dr. Micheal J. Brzozowski e del dr. Daniel M.Romero, si interrogano sul funzionamento del sistema di raccomandazioni in un social network.  Quali sono gli indizi di maggior rilievo, nel profilo o nel comportamento di un utente, ad assicurare le raccomandazioni più efficaci?

Nello studio, i social network sono suddivisi in due tipologie: la prima, i “social network indiretti” come ad esempio Facebook, sono quelli dove la relazione per esistere deve essere reciproca (sono tuo amico se anche tu sei mio amico).

I social network diretti,  come ad esempio Twitter, sono quelli dove si possono seguire altri utenti per interesse personale, senza la richiesta di uno scambio reciproco. Ciò comporta un “costo minore” nell’espandere la propria rete di contatti perché chi seguiamo non deve corrispondere la relazione.

La ricerca si concentra su questo secondo tipo di social network perché la struttura delle relazioni è più complessa. Inoltre, in questo tipo di rete sociale è possibile evitare il problema della cosiddetta “forbidden triad” (che appare invece nei social network indiretti): non è detto che io sia interessato ad essere in contatto con un utente della rete di un mio amico.

I ricercatori hanno condotto un vero e proprio esperimento attraverso la creazione di un social network interno ad HP (chiamato WaterCool), identificando 3 tipi di raccomandazioni:

1. Behavioural, che si basa sulle azioni degli utenti (link più cliccati o più commentati);

2. Network, suddiviso a sua volta in due sottogruppi: collaborative, suggerisce gli amici di amici, oppure structural, che si basa sulla direzione dei rapporti che intercorrono tra gli utenti.

3. Similarity ovvero persone con il tag simile più raro.

I risultati sono ampi e si soffermano in particolar modo sulle tipologie di “network structural” più efficaci affinché una raccomandazione vada a buon fine.

Come principio generale però si può affermare che la condivisione di pubblico è un fattore molto più predominante che la somiglianza tra due profili per stabilire una nuova relazione; e che lo sviluppo naturale di una rete è molto diverso da quello di una rete dove agli utenti sono suggerite le persone alle quali collegarsi.

Scarica qui il testo integrale della ricerca

Scritto da: Davide Fiorentini

Scrivi un commento

L'indirizzo email non sarà pubblicato.

*