PROPOSING OBJECTS TO A USER TO EFFICIENTLY DISCOVER DEMOGRAPHICS FROM ITEM RATINGS

• Main Authors: WEINSBERG, UDI, IOANNIDIS, STRATIS, BHAGAT, SMRITI
• Format: Patent
• Language: English; French
• Published: 19.06.2014
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

The current methods and apparatus provide a system that learns a private attribute, such as gender, based on at least one iteration of presenting an item to a user and receiving ratings from the user for this item. In an exemplary embodiment, the system may solicit ratings for strategically selected items, such as movies for example, and then infers the user's gender. Based on the assessed confidence in the demographic selected, the system may repeat the selection, presentation and ratings of another item. The proposed system can strategically select the sequence of items that are presented to the user for a rating. By selecting the next item to be rated based on a maximum posterior probability confidence, a demographic with a certain threshold of confidence can be inferred. The inventive arrangements are based on novel usage of Bayesian matrix factorization in an active learning setting. Such a system is shown to be feasible and can be carried out using significantly fewer rated items than previously proposed static inference methods. Les procédés et l'appareil selon la présente invention fournissent un système qui apprend une caractéristique privée telle que le sexe à partir d'au moins une itération incluant la présentation d'un article à un utilisateur et la réception d'évaluations de cet article fournies par l'utilisateur. Dans un mode de réalisation cité à titre d'exemple, ce système peut solliciter des évaluations pour des articles choisis de manière stratégique, tels que des films par exemple, puis inférer le sexe de l'utilisateur. En fonction de la fiabilité évaluée des données démographiques sélectionnées, le système peut répéter la sélection, la présentation et les évaluations pour un autre article. Le système proposé peut sélectionner stratégiquement la séquence d'articles présentés à l'utilisateur en vue d'une évaluation. La sélection de l'article suivant à évaluer en fonction d'une fiabilité définie par la probabilité a posteriori maximale permet d'inférer des données démographiques présentant un certain seuil de fiabilité. Les dispositifs selon l'invention sont basés sur une nouvelle utilisation de la factorisation matricielle bayésienne dans un contexte d'apprentissage actif. Un tel système est avéré réalisable et peut être mis en œuvre par l'utilisation d'un nombre sensiblement plus faible d'articles à évaluer que dans les méthodes par inférence statique proposées antérieurement.