Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias

Abstract

Os Sistemas de Recomendação nasceram com o propósito de auxiliar as pessoas a encontrarem itens que satisfaçam suas preferências nos mais variados domínios, como músicas, notícias, vídeos, produtos, dentre outros. Entretanto, as abordagens de recomendação têm sido alvo de críticas ao longo do tempo por entregarem itens que são, muitas vezes, óbvios e redundantes, privando o usuário de outras possibilidades. Isso abre precedentes para o efeito da “bolha de filtro”, um termo cunhado em 2011, por Eli Pariser, que remete ao isolamento do usuário em relação a uma diversidade de conteúdos, o que limita suas possibilidades de novas experiências. Tal efeito se torna ainda mais crítico no domínio de notícias, uma vez que são fontes de informação e de formação de opinião, porque o usuário estando em uma “bolha” pode ficar sujeito à polarização de opiniões, à desinfor mação sobre diferentes assuntos, dentre outros malefícios. Nesse sentido, a diversificação de recomendação surge como uma estratégia para suavizar tal efeito, buscando entregar itens novos e diferentes aos usuários. Nesta tese, é apresentada uma abordagem para a diversificação de recomendação, baseada em múltiplos atributos, aplicada ao domínio de notícias eletrônicas. Além disso, é apresentada uma forma de medir o efeito de “bolhas de filtro” através do grau de homogeneidade dos itens consumidos e/ou entregues aos usuários. A avaliação compreende um estudo de usuário, utilizando um protótipo de re comendação de notícias sobre política. A partir desse, busca-se verificar se a estratégia de diversificação multi-atributo é capaz de suavizar o efeito de “bolha de filtro” quando comparada à recomendação convencional, empregando a metodologia de teste A/B e tes tes de diferença estatística entre os grupos de usuários. Os resultados para essa avaliação sugerem uma diminuição da homogeneidade para todos os casos, considerando apenas os itens entregues, isto é, sem qualquer tipo de interação. Além disso, a abordagem de diversificação multi-atributo foi comparada com uma abordagem de diversificação da li teratura. Os resultados sugerem melhorias para alguns casos.

Recommender Systems were born with the purpose of helping people find items that sat isfy their preferences in the most varied domains, such as music, news, videos, products, among others. However, recommendation approaches have been criticized over time for delivering items that are often obvious and redundant, depriving the user of other possibil ities. This sets the stage for the “filter bubble” effect, a term coined in 2011 by Eli Pariser, which refers to the user’s isolation from a diversity of content, limiting their possibilities for new experiences. This effect becomes even more critical in the field of news, since they are sources of information and opinion formation, because the user being in a “bub ble” may be subject to the polarization of opinions, misinformation on different subjects, among other evils. In this sense, recommendation diversification emerges as a strategy to soften this effect, seeking to deliver new and different items to users. In this thesis, an approach for recommendation diversification, based on multiple attributes, applied to the electronic news domain, is presented. In addition, a way to measure the effect of “filter bubbles” through the degree of homogeneity of items consumed and/or delivered to users is presented. The evaluation comprises a user study, using a prototype for recommending news about politics. From this, we seek to verify whether the multi-attribute diversifica tion strategy is able to soften the filter bubble effect when compared to the conventional recommendation, using the A/B test methodology and statistical difference tests between user groups. The results for this evaluation suggest a decrease in homogeneity for all cases considering only the delivered items, i.e., without any kind of interaction. In ad dition, the multi-attribute diversification approach was compared with a diversification approach from the literature. The results suggest improvements for some cases.