“Diversity Preference-aware link recommendation for online social networks”

Link recommendation, một tính năng phổ biến trong các mạng xã hội trực tuyến, đóng một vai trò quan trọng trong việc đề xuất các kết nối cho người dùng, từ việc đề xuất nên theo dõi ai, mua gì, đi đâu, làm gì, đến gần như là tất cả mọi quyết định trong cuộc sống hằng ngày. Chỉ cần vào một trang web nào đó để đọc tin tức hay xem phim, sẽ có đề xuất những tin nên xem và những bình luận nên tham gia. Vào trang web để tải ứng dụng hay mua hàng cũng sẽ có đề xuất sản phẩm có liên quan.

Link recommendation không phải là một tính năng mới. Tuy nhiên, ý tưởng cơ bản đằng sau các hệ thống khuyến nghị hiện tại này đang che giấu những tác hại tiềm tàng bắt nguồn từ các thuật toán cổ điển của máy học để đưa ra các dự báo và đề xuất cho người dùng.

Thứ Tư , ngày 17 tháng 5 năm 2022, Giáo sư Olivia Sheng từ Đại học Utah đã đến thăm ISS của chúng tôi và mang đến cho chúng tôi một cuộc trò chuyện chia sẻ thú vị về nghiên cứu Diversity Preference-aware link recommendation for online social networks”, được xuất bản trên tạp chí INFORMS vào năm ngoái 2022. Nghiên cứu này được định vị là Nghiên cứu Khoa học Thiết kế (Design Science) nhằm phát triển các thuật toán và phương pháp tính toán để giải quyết các vấn đề kinh doanh và xã hội.

Giáo sư đã bắt đầu bằng cách đưa ra một vấn đề rằng: Với các thuật toán đề xuất hiện tại của tất cả các platforms, thường thường (hoặc luôn luôn) dựa trên khái niệm về sự đồng nhất (Similarity). Tuy nhiên, về phía người dùng, không phải tất cả người dùng đều hài lòng với các đề xuất đồng nhất đồng dạng với bạn bè. Về phía quan điểm của các lý thuyết tâm lý xã hội, các nghiên cứu trước đây cũng cho rằng những người dùng khác nhau có sở thích khác nhau và đa dạng. Và sự dị tính (heterophily) này quy định rằng mọi người được hưởng lợi từ việc kết nối với những người bổ sung cho họ. Vì vậy, một phương pháp đề xuất liên kết hiệu quả nên tôn trọng sở thích đa dạng của người dùng.

Nghĩa là, vì mỗi người có những sở thích, và mức độ yêu thích đồng nhất hoặc khác biệt ở những mức độ khác nhau. Câu hỏi đặt ra là làm sao để chúng ta có thể đưa ra những link recommendation dựa trên sự khác nhau này?

Hơn nữa, các nghiên cứu trước đây đã chỉ ra rằng, con người có thể muốn đồng nhất ở khía cạnh này nhưng lại muốn đơn biệt ở khía cạnh khác. Ví dụ, sinh viên có thể thích ngành X, nhưng không thích ngành X ở đại học A, mà chỉ thích ngành X ở đại học B và C.

Để định hình vấn đề nghiên cứu, Giáo sư Sheng và nhóm nghiên cứu của cô đã đặt “diversification method” (sự đa dạng hoá) là khái niệm quan trọng nhất và cũng là trung tâm của nghiên cứu này. Điều này trở nên một trong những đặc điểm hấp dẫn của nghiên cứu này, khi các nhà nghiên cứu đo lường và tối ưu hóa “sự ưa thích đa dạng” ở cấp độ của từng sở thích. Vì sở thích của người dùng thay đổi theo các khía cạnh khác nhau, phương pháp này thực sự điều tra và phân tích từng khía cạnh của “sự đa dạng và sở thích”. (trong khi các nghiên cứu trước đây sẽ đo lường và tối ưu hoá theo user hoặc từng lượt tương tác, giao dịch.

Sau khi đã xây dựng được cơ sở khung nghiên cứu, Giáo sư Sheng đã giải thích ngắn gọn các phương pháp nghiên cứu về cách phân tích, đánh giá các mô hình. Từ đó đề xuất một hệ thống đề xuất liên kết mới, giúp giải quyết vấn đề đề xuất liên kết nhận biết sở thích đa dạng. Ngoài ra, giáo sư cũng chân thành chia sẻ câu chuyện hậu trường của bài viết này, đó là bài nộp đầu tiên không được chấp nhận do chưa đủ sức thuyết phục, và bị gởi trả lại. Do đó, nhóm nghiên cứu đã phải bổ sung một phân tích với tập dữ liệu thứ hai để tăng cường bằng chứng thực nghiệm nhằm thuyết phục và củng cố kết quả của nghiên cứu này. Từ đó, kết quả nghiên cứu rất thuyết phục với 2 bộ dữ liệu lớn.

Buổi nói chuyện này thực sự hấp dẫn và đã thu hút được sự chú ý của các giáo sư và nghiên cứu sinh. Với mình, nghiên cứu này có hai điều thú vị. Thứ nhất là sự sáng tạo trong đặt vấn đề và nhận ra khoảng cách nghiên cứu. Từ đó, kết quả nghiên cứu thực sự thú vị bởi vì chúng giải quyết một vấn đề quan trọng đã bị bỏ qua trước đó. Nhờ có một quan điểm mới mẻ và một phương pháp tiếp cận nghiên cứu mới mà một sáng kiến đầy hứa hẹn đã được đề xuất để khắc phục những lỗ hổng nghiên cứu này một cách hiệu quả. Ngay khi chỉ mới đặt vấn đề nghiên cứu và chỉ ra lỗ hổng của similarity trong tính năng link recommendation, mọi người đã bị thu hút ngay lập tức và thảo luận rất nhiều.

Thứ hai là một lần nữa, tôi được học về cách mà phương pháp nghiên cứu prediction (dự báo) đóng một vai trò quan trọng trong đề xuất mô hình, đưa ra phương án giải quyết để cải thiện mô hình cũ và đồng thời góp phần xây dựng lý thuyết mới: “Diversity Preference-aware link recommendation” là một cách lý giải mới, lật lại hoàn toàn cách hiểu cũ về similarity-based link recommendation.

Tham khảo

Kexin Yin, Xiao Fang, Bintong Chen, Olivia R. Liu Sheng (2022) Diversity Preference-Aware Link Recommendation for Online Social Networks. Information Systems Research 0(0). https://doi.org/10.1287/isre.2022.1174