Hea muusikasoovitus arvestab, kellega koos inimene muusikat kuulab

$content['photos'][0]['caption'.lang::suffix($GLOBALS['category']['lang'])]?>
Näiteks oli soovitatud laul inimesele kõrvamööda, kui ta kuulas soovitatud pala lõpuni ega vajutanud vahelejätunuppu. Autor/allikas: Nickolai Kashirin/Flickr (CC BY 2.0)

Iga lugeja, kes on kunagi kasutanud mõnd voogedastusplatvormi, teab ilmselt, kui raske on tuhandete soovitatud palade seast seda õiget valida. Siin ulatavad inimesele abikäe soovitussüsteemid ehk kasutajainfo põhjal otsustavad algoritmid. Nüüd pakuvad Tallinna Tehnikaülikooli teadlased välja mudeli, mille järgi peaks algoritm arvestama laulu soovitades ka kasutajat ümbritsevaid olusid ja inimesi.

"Päris elus on kasutajatel valida miljonite laulude vahel ja õige valiku tegemine on nii koormav, et sageli jääbki valik tegemata," sõnab tarkvarateaduse järeldoktor Imen Ben Sassi. Meelepärase tegevuse valiku tegemine on kerge, kui valikuid on vähe. Valikute hulga paisudes muutub ka otsustamine ise keerukamaks.  Voogedastuskeskkonnad nagu Spotify, last.fm ja Apple Music, on seadnud nõnda raskete valikute ette isegi kõige andunumad melomaanid. 

Siin tulevadki mängu soovitussüsteemid, et inimese elu kergemaks teha. "Tavalised soovitussüsteemid toimetavad ainult kahte sorti üksustega ehk kasutajate ja veebisisuga. Need ei aseta aga kasutajaid ega sisu soovituste andmise käigus mingisse konteksti," märgib Sassi. Lisaks praeguste süsteemide kitsaskohtadele osutamisele pakuvad Sassi ja tarkvarateaduse professor Sadok Ben Yahia oma värskes artiklis välja ka lahenduse. 

Meeleolu, asukoht ja tegevus

Imen Ben Sassi ja Sadok Ben Yahia pakutud uus kontekstitundliku soovitussüsteemi (CARS) mudel aitaks arvestada näiteks muusikat kuulava inimese asukoha, seltskonna ja tegevusega.  Inglisekeelne lühend CARS (Context-Aware Recommender Systems) märgib kontekstiga arvestavaid soovitussüsteeme, mis nagu nimigi viitab, jälgivad kasutaja eelistuste kõrval ka tema ümbrust. 

Erinevalt praegu käibel olevatest mudelitest toimetab CARS kolme sorti üksustega ehk kasutajate, veebisisu ja kontekstidega. Järeldoktori sõnul tähendab see, et CARS soovitab inimestele veebisisu just kindla olukorra tarbeks.

"Märkasime, et kasutajate huvid on kirjud, mitmekülgsed ja muutlikud, ning et neid huve tuleks mõista seoses kindla valdkonnaga, mille jaoks neid kasutatakse," ütleb Sassi. Kasutajaeelistuste paremini ennustamiseks valisidki autorid varasematest töödest välja kuus kontekstitegurit, mida kõige sagedamini mainiti: aeg, asukoht, ilmastikuolud, tegevus, meeleolu ja suhtlus. Hinnates nende tegurite mõju kasutajate muusikaeelistustele, märkasid nad, et tegurid mõjutasid inimesi erineval määral.

Kõige enam mõjutab inimesi meeleolukontekst ning seejärel asukoht ja tegevus. Tulemuste valguses peaks neil olema soovitustes erinev kaal.

Sassi sõnul võib  inimese muusikaeelistust mõjutada tugevalt ka suhtluskontekst. "Näiteks võib kasutaja eelistada oma tüdruksõbraga koos kuulata romantilist muusikat ja üksi olles valida hoopis house-muusika," kirjeldab ta. Sestap tuleks muusika soovituse süsteemi loojatel Sassi sõnul kindlasti juba eos suhtluskontekstiga arvestada.

Ühtlasi arvestab CARS endiselt ka kasutaja käitumise ja veebisisuga. Näiteks kaalub süsteem läbi kasutaja otsesed hinnangud ja paneb sealjuures tähele hinnatava veebisisu omadusi nagu näiteks žanri või esitajat. Samuti võtab süsteem arvesse kasutaja kaudset tagasisidet ehk näiteks varem kuulatud laule ja külastatud veebilehti. Arvesse läheb ka kasutaja kultuuritaust, mille süsteem paneb paika kasutaja ajaloo-, keele- ja usuinfo põhjal. 

Kas kasutaja algoritmi antud soovitusega ka rahule jäi, saavad tarkvaraarendajad tema sõnul mõõta mitme näitaja järgi. Näiteks oli soovitatud laul inimesele kõrvamööda, kui ta kuulas soovitatud pala lõpuni ega vajutanud vahelejätunuppu. Samuti kõneleb õnnestunud soovitusest muusikapalale antud kõrge hinne või kiitev arvustus – seda muidugi juhul, kui süsteem kasutajal tagasisidet anda laseb. 

Sassi sõnul on kõikvõimalike soovitussüsteemide käsutuses valdkonnast olemata suur hulk muutlikku infot. Selle abil esitavad süsteemid inimestele abistavaid näiteid, mis aitaks neil suuremast valikute hulgast endale sobiv välja valida. Nii võib inimene näiteks hõlpsamini leida põneva ajaveetmiskoha, meelepärase filmi või lisada endale ühismeedias uue sõbra.

"Niisiis on soovitussüsteemide eesmärk matkida kasutaja sõpru või oma ala asjatundjaid, kes soovitaks talle südamelähedasi asju kasutaja profiili ja eelistuste põhjal," võtab Sassi mõtte kokku.

Autorite sõnul hakkavad soovitussüsteemid lähitulevikus üha enam keskenduma mitme konteksti- ja kultuuriteguri koosmõjule, et soovitada igale kasutajale just tema olukorraga sobivat muusikat.

Imen Ben Sassi ja Sadok Ben Yahia kirjutavad soovitussüsteemidest ajakirjas Multimedia Systems.

Hea lugeja, näeme et kasutate vanemat brauseri versiooni või vähelevinud brauserit.

Parema ja terviklikuma kasutajakogemuse tagamiseks soovitame alla laadida uusim versioon mõnest meie toetatud brauserist: