Modeling the evolution of item rating networks using time-domain preferential attachment

The understanding of the structure and dynamics of the intricate network of connections among people that consumes products through Internet appears as an extremely useful asset in order to study emergent properties related to social behavior. This knowledge could be useful, for example, to improve the performance of personal recommendation algorithms. In this contribution, we analyzed five-year records of movie-rating transactions provided by Netflix, a movie rental platform where users rate movies from an online catalog. This dataset can be studied as a bipartite user-item network whose structure evolves in time. Even though several topological properties from subsets of this bipartite network have been reported with a model that combines random and preferential attachment mechanisms [Beguerisse Díaz et al., 2010], there are still many aspects worth to be explored, as they are connected to relevant phenomena underlying the evolution of the network. In this work, we test the hypothesis that bursty human behavior is essential in order to describe how a bipartite user-item network evolves in time. To that end, we propose a novel model that combines, for user nodes, a network growth prescription based on a preferential attachment mechanism acting not only in the topological domain (i.e. based on node degrees) but also in time domain. In the case of items, the model mixes degree preferential attachment and random selection. With these ingredients, the model is not only able to reproduce the asymptotic degree distribution, but also shows an excellent agreement with the Netflix data in several time-dependent topological properties.

Improving Collaborative Filtering Based Recommender Systems Using Pareto Dominance

Los sistemas de recomendación son un tipo de solución al problema de sobrecarga de información que sufren los usuarios de los sitios web en los que se pueden votar ciertos artículos. El sistema de recomendación de filtrado colaborativo es considerado como el método con más éxito debido a que sus recomendaciones se hacen basándose en los votos de usuarios similares a un usuario activo. Sin embargo, el método de filtrado de colaboración tradicional selecciona usuarios insuficientemente representativos como vecinos de cada usuario activo. Esto significa que las recomendaciones hechas a posteriori no son lo suficientemente precisas. El método propuesto en esta tesis realiza un pre-filtrado del proceso, mediante el uso de dominancia de Pareto, que elimina los usuarios menos representativos del proceso de selección k-vecino y mantiene los más prometedores. Los resultados de los experimentos realizados en MovieLens y Netflix muestran una mejora significativa en todas las medidas de calidad estudiadas en la aplicación del método propuesto. ABSTRACTRecommender systems are a type of solution to the information overload problem suffered by users of websites on which they can rate certain items. The Collaborative Filtering Recommender System is considered to be the most successful approach as it make its recommendations based on votes of users similar to an active user. Nevertheless, the traditional collaborative filtering method selects insufficiently representative users as neighbors of each active user. This means that the recommendations made a posteriori are not precise enough. The method proposed in this thesis performs a pre-filtering process, by using Pareto dominance, which eliminates the less representative users from the k-neighbor selection process and keeps the most promising ones. The results from the experiments performed on Movielens and Netflix show a significant improvement in all the quality measures studied on applying the proposed method.

Análisis y planteamiento de modelos de negocio de vídeo over the top (OTT)

Aunque esta no es la primera vez que nuevas compañías y tecnologías revolucionan la forma de entender una industria determinada, los modelos over-the-top (OTT) han provocado una explosión en el consumo de contenidos a través de internet, una revolución en la forma tradicional de comunicarse, de disfrutar de nuevas posibilidades de ocio digital y, por tanto, una transformación a la hora de entender los modelos de monetización de las compañías, actualmente buscando su lugar en la nueva cadena de valor. Ya no cabe duda de que este tipo de servicios se han hecho un hueco en la rutina diaria de las personas pero, a pesar de su rápida adopción y alta tasa de penetración, todo parece indicar que es sólo el comienzo de una nueva era, donde estos nuevos modelos disruptivos, están todavía por definirse. Tras unos años de cambios en el sector de las comunicaciones y entretenimiento digital, es ahora el del consumo audiovisual de entretenimiento el que se está viviendo sus debates más intensos. Este trabajo, presentado como proyecto final dentro del Máster de Consultoría en Gestión de Empresas fruto de la colaboración entre la UPM y la AEC, analiza en profundidad los cambios que está generando la adopción de soluciones de vídeo-OTT en el mercado a todos los niveles: cambios en los patrones de comportamiento de las personas, impactos en los sectores tradicionales (y su traducción en términos económicos y legales), evolución de la tecnología, etc. Todos estos aspectos se visitan haciendo especial hincapié en la cadena de valor y los nuevos modelos de negocio derivados de estas nuevas soluciones permitiendo monetizar estos cambios en un mercado complejo. Como complemento, se presenta un análisis de una de las soluciones líderes en el mercado, NETFLIX. Profundizar en un modelo de negocio de una compañía como esta permite analizar las estrategias seguidas y resultados obtenidos en función de la caracterización del mercado existente en cada momento, tomando notas para tener en cuenta en el planteamiento de modelos de negocio similares. Adicionalmente, en el apartado de recomendaciones para la cadena de valor, se establecen una serie de modelos de negocio que permitan enfrentar la aparición y crecimiento de los servicios OTT desde dos puntos de vista: diferenciación y participación de los mismos. Las aportaciones de valor presentadas, prestan especial atención también sobre las operadoras de telecomunicaciones, uno de los sectores más castigados por la entrada en el mercado de las soluciones de vídeo-OTT, junto con la televisión de pago. Por último, se utilizan todas las conclusiones extraídas de los anteriores apartados (que sirven como caracterización de entorno) para establecer un plan de negocio definiendo una propuesta que podría ser interesante desarrollar en el mercado español, carente actualmente de una solución líder que destaque, como ocurre en otros países. En base a este trabajo, se puede concluir que este tipo de servicios de vídeo-OTT presentan un potencial todavía por desarrollar y que conviene incluir en las estrategias de los próximos años de las compañías del sector, si éstas no quieren perder cuota de un mercado que sin duda evolucionará y revolucionará el mundo de la televisión tal y como existe actualmente.

Incorporating Group Recommendations to Recommender Systems: Alternatives and Performance

La importancia de los sistemas de recomendación ha experimentado un crecimiento exponencial como consecuencia del auge de las redes sociales. En esta tesis doctoral presentaré una amplia visión sobre el estado del arte de los sistemas de recomendación. Incialmente, estos estaba basados en fitrado demográfico, basado en contendio o colaborativo. En la actualidad, estos sistemas incorporan alguna información social al proceso de recomendación. En el futuro utilizarán información implicita, local y personal proveniente del Internet de las cosas. Los sistemas de recomendación basados en filtrado colaborativo se pueden modificar con el fin de realizar recomendaciones a grupos de usuarios. Existen trabajos previos que han incluido estas modificaciones en diferentes etapas del algoritmo de filtrado colaborativo: búsqueda de los vecinos, predicción de las votaciones y elección de las recomendaciones. En esta tesis doctoral proporcionaré un nuevo método que realizar el proceso de unficación (pasar de varios usuarios a un grupo) en el primer paso del algoritmo de filtrado colaborativo: cálculo de la métrica de similaridad. Proporcionaré una formalización completa del método propuesto. Explicaré cómo obtener el conjunto de k vecinos del grupo de usuarios y mostraré cómo obtener recomendaciones usando dichos vecinos. Asimismo, incluiré un ejemplo detallando cada paso del método propuesto en un sistema de recomendación compuesto por 8 usuarios y 10 items. Las principales características del método propuesto son: (a) es más rápido (más eficiente) que las alternativas proporcionadas por otros autores, y (b) es al menos tan exacto y preciso como otras soluciones estudiadas. Para contrastar esta hipótesis realizaré varios experimentos que miden la precisión, la exactitud y el rendimiento del método. Los resultados obtenidos se compararán con los resultados de otras alternativas utilizadas en la recomendación de grupos. Los experimentos se realizarán con las bases de datos de MovieLens y Netflix. ABSTRACT The importance of recommender systems has grown exponentially with the advent of social networks. In this PhD thesis I will provide a wide vision about the state of the art of recommender systems. They were initially based on demographic, contentbased and collaborative filtering. Currently, these systems incorporate some social information to the recommendation process. In the future, they will use implicit, local and personal information from the Internet of Things. As we will see here, recommender systems based on collaborative filtering can be used to perform recommendations to group of users. Previous works have made this modification in different stages of the collaborative filtering algorithm: establishing the neighborhood, prediction phase and determination of recommended items. In this PhD thesis I will provide a new method that carry out the unification process (many users to one group) in the first stage of the collaborative filtering algorithm: similarity metric computation. I will provide a full formalization of the proposed method. I will explain how to obtain the k nearest neighbors of the group of users and I will show how to get recommendations using those users. I will also include a running example of a recommender system with 8 users and 10 items detailing all the steps of the method I will present. The main highlights of the proposed method are: (a) it will be faster (more efficient) that the alternatives provided by other authors, and (b) it will be at least as precise and accurate as other studied solutions. To check this hypothesis I will conduct several experiments measuring the accuracy, the precision and the performance of my method. I will compare these results with the results generated by other methods of group recommendation. The experiments will be carried out using MovieLens and Netflix datasets.

Neglected Masterpieces of Cinema

This article will acquaint you with ten of the more important leftwing films I have reviewed over the past sixteen years as a member of New York Film Critics Online. You will not see listed familiar works such as “The Battle of Algiers” but instead those that deserve wider attention, the proverbial neglected masterpieces. They originate from different countries and are available through Internet streaming, either freely from Youtube or through Netflix or Amazon rental. In several instances you will be referred to film club websites that like the films under discussion deserve wider attention since they are the counterparts to the small, independent theaters where such films get premiered. The country of origin, date and director will be identified next to the title, followed by a summary of the film, and finally by its availability.

International Sales of UK Television Content: Change and Continuity in ‘the space in between’ Production and Consumption

Focusing on the UK, this article addresses key issues facing the international distribution industry arising from over-the-top digital distribution and the fragmentation of audiences and revenues. Building on the identification of these issues, it investigates the extent to which UK distribution has altered over a ten-year period, pinpointing continuities in the destination and type of sales alongside changes in the role and structure of the industry as UK-based distributors adapt to a changing UK broadcasting landscape and global production environment. At one level increasing US ownership of UK-based distributors and the arrival of OTT players like Netflix, highlight the tensions between the national orientations of UK broadcasters and the global aspirations of independent producers and distributors. At another level VOD has boosted international sales of UK drama. Although the full impact of SVOD on content and rights has yet to materialise, significant changes in the industry predate the arrival of SVOD.

News agencies, their constant reinvention as a strategy to face competition

News agencies compete for a foothold as providers of information and mass media. Covered by a technological class infrastructure, Associated Press, Reuters, Agence FrancePresse (AFP) and EFE are leaders of the global media system because they introduce revolutionary changes in their production routines, professional culture, journalistic genres and styles; also for its innovative product offerings and services. This article also focuses on the strategies of the agencies to get closer to their audiences, from the agreements established and the treatment of very specific themes. Some solutions that contribute to the future survival of these entities are also proposed.

Poliittisten ilmausten kääntäminen House of Cards -televisiosarjassa

Tässä pro gradu -tutkielmassani tutkin, miten Yhdysvaltain poliittiseen järjestelmään liittyvät ilmaukset on käännetty erään tv-sarjan ranskan- ja suomenkielisiin tekstityksiin. Tutkimusaineistona on amerikkalainen tv-sarja House of Cards, jonka on alun perin julkaissut suoratoistopalvelu Netflix. Suomenkieliset tekstitykset on kerätty Suomen Netflixistä, ranskankieliset amazon.com -sivulta ostetulta DVD:ltä. Tutkimuskohteena ovat ilmauksissa käytetyt käännösstrategiat. Oletan, että ilmaukset on käännetty joko virallisia vastineita hyväksi käyttäen tai yleistämällä. Pohjaan tutkimuksen Pedersenin (2011, 75) käännösstrategialuokitteluun. Valitsin aiheen, koska olen kiinnostunut poliittisista järjestelmistä ja halusin tietää, millä tavoin tietyn valtion politiikkaan liittyvät ilmaukset on käännetty hyvin perinteisen valtavirtaisen saippuasarjan tekstityksiin. Teoriaosuudessa esittelen tutkimukseen liittyvien maiden poliittiset järjestelmät tai lähinnä hieman niiden toimintaa sekä pääinstituutiot. Tämä auttaa lukijaa ymmärtämään paremmin tv-sarjassa käytettyjä ilmauksia. Poliittisten järjestelmien selvitys osoittaa myös itse tutkimuksessa, onko niiden eroilla vaikutusta käännöksiin. Lisäksi kerron audiovisuaalisesta kääntämisestä, vertailen dubbausta ja tekstittämistä sekä erittelen tekstittämisen haasteita. Varsinkin tekniikan luomat rajoitteet kuten tilanpuute vaikuttavat lopputulokseen. Lopulta käyn läpi, mitä ovat käännösstrategiat, millä tavoin ne vaikuttavat käännökseen ja miten niitä on luokiteltu. Lopuksi vertailen luokitteluja ja kerron, miksi pohjasin tutkimukseni Pedersenin (2011, 75) luokitteluun. Tutkimuksessa esittelen ilmausten kääntämistä käännösstrategioiden kautta. Kuten oletinkin, moniin ilmauksiin löytyy virallinen vastine. Mielenkiintoinen tulos oli kuitenkin, että sekä suomen- että ranskankielen kääntäjä on käyttänyt hyvin selkeästi tiettyä strategiaa tietyn ilmauksen kohdalla. Monesti tämä strategia on lisäksi ollut sama molemmissa käännöksissä. Tutkimuksesta tämä käy ilmi esimerkkirepliikeistä, joita olen kerännyt taulukoihin. Taulukoista näkyy kaikki tutkimukseen liittyvät kielet: englanti, suomi ja ranska. Mielenkiintoista olisi nähdä, onko esimerkiksi sarjan toisella kaudella ilmaukset käännetty samoja käännösstrategioita käyttäen tai millä tavoin politiikkaan liittyviä ilmauksia käsitellään muiden kielten tekstityksissä. Saattaa olla, että tämän kaltaisen valtavirtaan sopivan tv-sarjan tekstitykset ovat hyvin samanlaisia, jokin toisenlainen tv-ohjelma tai elokuva voisi käyttää täysin eri käännösstrategioita.

Banca Digital

Em plena quarta revolução industrial, todas as industrias se estão a transformar para se ajustar aos novos paradigmas de relação com os clientes, altamente influenciados pelos pioneiros digitais como a Uber, Netflix ou Amazon, porém no setor financeiro há desafios acrescidos, pois os clientes esperam juntar essas expectativas digitais com a manutenção da iteração humana, enquanto, do lados bancos, em simultâneo, necessitam de recuperar da crise da dívida soberana que impôs necessidades de ajustamento dos balanços. O momento de desenvolvimento tecnológico potenciado pelo forte crescimento do acesso à internet em mobilidade traz novos hábitos e expectativas na relação com as entidades, com dispositivos cada vez mais potentes a cada vez menor custo, o que criou a oportunidade perfeita para o surgimento de startups tecnológicas dispostas a transformar os modelos de negócio de intermediação clássica, dando origem, no setor financeiro, às fintechs – empresas de base tecnológica dedicadas à prestação de serviços financeiros - impondo uma disrupção na industria financeira, com destaque para mercados como os EUA e Reino Unido. Olhando aos últimos cinco anos do setor financeiro, será muito difícil antecipar como estará o setor financeiro dentro de cinco anos, mas sabemos que estará seguramente muito diferente do que conhecemos hoje, por esse fato este trabalho é assente essencialmente em referências bibliográficas dos últimos 5 anos, tendo sido feito utilizados estudos de investigação de empresas e documentos académicos para a caracterização do setor neste contexto de inovação permanente e em que medida este processo de “digitalização” do setor financeiro influencia a propensão dos clientes na contratação de mais produtos e serviços, sendo esse um fator central para os bancos em Portugal recuperarem economicamente. É também analisada a dimensão seguida pelas instituições de regulação e supervisão do setor financeiro com vista a potenciar a concorrência e inovação do setor financeiro, enquanto mantém a garantia de segurança, confiança e controlo de risco sistémico. É bastante escassa a literatura disponível para caracterizar a banca em Portugal numa ótica de inovação e transformação, porém este trabalho procura caracterizar o sistema financeiro português face à forma como está a responder aos desafios de transformação tecnológica e digital. Procurou-se estabelecer uma metodologia de investigação que permita caracterizar a perceção de valor acrescentado para os clientes da utilização de serviços digitais e em que medida estes se podem substituir aos balcões e à intervenção humana dos profissionais dos bancos, tendo-se concluído que estes dois elementos são ainda fatores centrais para os clientes.

El guión en las nuevas narrativas audiovisuales

Las webseries son series de ficción creadas para ser emitidas por Internet. Se trata de una nueva forma de producción de ficción, dirigida a un nuevo público y emitida en un nuevo medio, que presenta características propias diferentes a las ofrecidas por las ficciones de los medios tradicionales. Por este motivo resulta fundamental conocer las características específicas de esta clase de formatos a la hora de afrontar la elaboración de proyectos de webseries y la creación de guiones de ficción para internet. España es uno de los países en los que ha crecido de forma más exponencial la producción de las series para Internet. En la conferencia impartida hicimos un recorrido por la historia de las webseries de nuestro país, sus características, festivales y eventos dedicados a ellas en todo el mundo y formas de negocio, haciendo especial hincapié en los aspectos narrativos que condicionan la elaboración del guión. También exploramos varios casos de creadores de webseries que han dado el salto a los medios tradicionales: televisión, cine y hasta a las nuevas plataformas audiovisuales que han desembarcado en España como Netflix. Todo ello como ejemplo de los nuevos emprendedores en los ámbitos del guión y la producción que surgen del medio digital.

A COMPARATIVE STUDY AND EVALUATION OF COLLABORATIVE RECOMMENDATION SYSTEMS

Consumers currently enjoy a surplus of goods (books, videos, music, or other items) available to purchase. While this surplus often allows a consumer to find a product tailored to their preferences or needs, the volume of items available may require considerable time or effort on the part of the user to find the most relevant item. Recommendation systems have become a common part of many online business that supply users books, videos, music, or other items to consumers. These systems attempt to provide assistance to consumers in finding the items that fit their preferences. This report presents an overview of recommendation systems. We will also briefly explore the history of recommendation systems and the large boost that was given to research in this field due to the Netflix Challenge. The classical methods for collaborative recommendation systems are reviewed and implemented, and an examination is performed contrasting the complexity and performance among the various models. Finally, current challenges and approaches are discussed.

Collaborative filtering and deep learning based recommendation system for cold start items

Recommender system is a specific type of intelligent systems, which exploits historical user ratings on items and/or auxiliary information to make recommendations on items to the users. It plays a critical role in a wide range of online shopping, e-commercial services and social networking applications. Collaborative filtering (CF) is the most popular approaches used for recommender systems, but it suffers from complete cold start (CCS) problem where no rating record are available and incomplete cold start (ICS) problem where only a small number of rating records are available for some new items or users in the system. In this paper, we propose two recommendation models to solve the CCS and ICS problems for new items, which are based on a framework of tightly coupled CF approach and deep learning neural network. A specific deep neural network SADE is used to extract the content features of the items. The state of the art CF model, timeSVD++, which models and utilizes temporal dynamics of user preferences and item features, is modified to take the content features into prediction of ratings for cold start items. Extensive experiments on a large Netflix rating dataset of movies are performed, which show that our proposed recommendation models largely outperform the baseline models for rating prediction of cold start items. The two proposed recommendation models are also evaluated and compared on ICS items, and a flexible scheme of model retraining and switching is proposed to deal with the transition of items from cold start to non-cold start status. The experiment results on Netflix movie recommendation show the tight coupling of CF approach and deep learning neural network is feasible and very effective for cold start item recommendation. The design is general and can be applied to many other recommender systems for online shopping and social networking applications. The solution of cold start item problem can largely improve user experience and trust of recommender systems, and effectively promote cold start items.

Collaborative filtering and deep learning based hybrid recommendation for cold start problem

Recommender systems (RS) are used by many social networking applications and online e-commercial services. Collaborative filtering (CF) is one of the most popular approaches used for RS. However traditional CF approach suffers from sparsity and cold start problems. In this paper, we propose a hybrid recommendation model to address the cold start problem, which explores the item content features learned from a deep learning neural network and applies them to the timeSVD++ CF model. Extensive experiments are run on a large Netflix rating dataset for movies. Experiment results show that the proposed hybrid recommendation model provides a good prediction for cold start items, and performs better than four existing recommendation models for rating of non-cold start items.

A novel latent factor model for recommender system

Matrix factorization (MF) has evolved as one of the better practice to handle sparse data in field of recommender systems. Funk singular value decomposition (SVD) is a variant of MF that exists as state-of-the-art method that enabled winning the Netflix prize competition. The method is widely used with modifications in present day research in field of recommender systems. With the potential of data points to grow at very high velocity, it is prudent to devise newer methods that can handle such data accurately as well as efficiently than Funk-SVD in the context of recommender system. In view of the growing data points, I propose a latent factor model that caters to both accuracy and efficiency by reducing the number of latent features of either users or items making it less complex than Funk-SVD, where latent features of both users and items are equal and often larger. A comprehensive empirical evaluation of accuracy on two publicly available, amazon and ml-100 k datasets reveals the comparable accuracy and lesser complexity of proposed methods than Funk-SVD.

Coexistir: libro de producción audiovisual de formato documental

Coexistir cuenta cinco historias de lo que piensan del perdón víctimas del conflicto armado en Colombia. En 2006, grupos paramilitares se desmovilizaron y se encontraron con sus víctimas para responder sus preguntas y pedirles perdón. En 2012, el Gobierno inició un proceso de paz con las FARC, durante el cual se ha puesto en discusión las intenciones de reconciliación de la guerrilla. A partir de casos en Magdalena Medio y Caquetá, Coexistir es un reflejo de los dilemas que enfrentan cientos de víctimas a nivel nacional para lidiar con su dolor, no olvidar y pedir que no se repita la historia.