Anbefalingsteknologi

Mediebransjen gjennomgår en stor endring fra å være papirorientert til å bli digital. Tekniske nyvinninger har gitt folk tilgang til store mengder informasjon uavhengig av tid, sted eller hjelpemiddel. Dette skaper behov for filtrering, slik at brukeren opplever strømmen som nyttig og relevant. I motsetning til filmer, bøker og tilsvarende, er nyheter mer utfordrende å beskrive. De finnes i mange ulike formater, de er flyktige, fornyes hele tiden og avløses av stadig nytt innhold. Forutsetningene for anbefalingsteknologi er nå vesentlig bedre. Store datamengder lar seg lettere samle og lagre. Metodene for analyse og forståelsen av brukernes interesser og behov, er bedre. Prosjektet utvikler komponenter som vil benyttes i Adresseavisen og andre Polaris Media-siter og gjøres kommersielt tilgjengelig via prosjektpartner Piano. Disse skal forstå innholdet i nyhetsartikler og finne sammenheng og mening mellom tekst og bruker. Det vil øke treffsikkerheten og øke hastigheten slik at verktøyet kan levere bedre anbefalinger i sanntid. Prototypen skal testes mot brukerprofiler på utvalgte nettsteder, evalueres og utvikles til å kunne bli tatt i bruk i publiseringssystemer. Komponentene skal være generiske, slik at de også kan tas i bruk av andre mediahus senere. En første versjon av en consumer intelligence-komponent er under testing og videreutvikling. Denne komponenten gjør det mulig å bruke sekvensieringen i sesjonsdata til bedre å identifisere brukerinteresser og slik generere mer relevante anbefalinger. Vi har lagt en plan for integrasjon av denne komponenten med Pianos plattform. Som del av dette arbeidet har vi publisert to datasett fra Adresseavisen som kan hjelpe også andre miljøer med å utvikle og evaluere løsninger for nyhetsanalyse. Vi har også testet komponenten på andre datasett for å verifisere den generiske anvendbarheten. Komponenten gjør det mulig å tilby noe personalisering uten å lagre store brukerprofiler internt. Den implementerte komponenten bruker maskinlæring på sesjonsdata og trekker inn eksterne kunnskapskilder for å bedre treffsikkerheten. For innholdsanalysen i prosjektet har vi implementert en frittstående komponent som trekker ut temaer og sentimenter fra nyhetstekst. Komponenten inneholder en POS-tagger for norsk og sentimentleksikoner for dansk, svensk og norsk. I dette arbeidet har en brukt både maskinlæring og word embeddings. Komponenten skal integreres i en større lingvistisk pipeline for preprosessering av nyhetsartikler hos Piano. De nye språkressurser for norsk er nå under testing med data fra prosjektet. Prosjektet har etablere et storskala "Living Lab"-testmiljø hos Piano og forbereder muligheter for relevante mediepublikasjoner kompetansemessig og teknisk på implementering av nye personaliseringsløsninger. De fire partene i prosjektet er: -Prosjekteier: Adresseavisen vil sammen med Polaris Medias øvrige medier bidra ved å teste og evaluere prototyper som utvikles. -Faglig ansvarlig: Norges teknisk-naturvitenskaplige Universitet (NTNU) har nesten 15 års forskning innen fagområdet. Bidrar med faglig og forskningsmessig kompetanse. -VTT, et finsk forskningssenter, vil bidra med evaluering av løsningene. -Piano leverer globalt sanntidsløsninger for innsikt i brukeratferd på nettsteder. Prosjektet har pågått i fem år, hvor nye teknikker fra forskningen evalueres på levende trafikk etter hvert som de utvikles. Prosjektet startet sommeren 2015. Prosjektet belyses gjennom presentasjoner og innlegg i fagfora og andre relevante sammenhenger som for eksempel medieomtale. Prosjektet har etablert et årlig symposium (Norsk Big Data Symposium - NOBIDS) som de siste fem år har arrangert industri/vitenskaplige møter i forbindelse med den årlige NxtMediaConferance.no i Trondheim. I tillegg kjører prosjektet årlig en internasjonal workshop på News Recommendation and Analysis (INRA), med deltakere fra hele verden. Datasettet fra Adressa er presentert på INRA 2018 i Torino. Et forenklet datasett for utdanningsformål brukes av masterstudenter ved NTNU. Forskningsresultatene eies i hovedsak av NTNUs, mens prosjektdeltakerne får rett til å benytte dem. Mange av komponentene vil bli gjort tilgjengelig utenfor prosjektet med en MIT-lisens. Prosjektresultatene gjøres offentlig gjennom vitenskapelige publikasjoner og på faglige møter for forskere, medieaktører og andre interessenter.

To kjerneløsninger for innholdsanalyse og kundeanalyse, metode for generering av sentimentleksikon for språk med få tekstlige ressurser implementert. Utdanning: bidrag til masterfag på anbefalingsteknologi og caseemne i master digitaliseringsfag og for etterutdanning. Gode innholdsresultater dokumentert i artikkel i Norsk Medietidskrift (nr 1-2019). Ny tjeneste for Pianokunder i salg. Gevinster på 5-10 mill kr de neste to årene. Nyskapning: Strise AS ble etablert for analyse av forretningskritiske nyheter; fikk internasjonal finansiering på 13 mill i 2020. Et forskningsmiljø på anbefalingsteknologi ved NTNU er bygd. Stipendiater på PhD- og Postdoc-nivå finansiert. Styrket data science-miljøet i Piano og Polaris Media. To trafikk datasett er publisert for global bruk. 38 akademiske publikasjoner utgitt. Den ikke-vitenskaplige formidlingen har vært målgruppekonsentrert mot bransje og fagmiljøer i Norge og Europa i medienes egne organisasjoner. To helt nye symposier er skapt.

Prosjektet Anbefalingsteknologi er et samarbeid mellom Adresseavisen/Polaris Media, Cxense, NTNU og VTT (Finland). Utgangspunktet er mediebransjens digitale transformasjon, der fremtiden vil kreve et godt redigert produkt som er personalisert mot lesernes ønsker og behov. Å anbefale riktig innhold til riktig leser blir en viktig konkurransefaktor i fremtidens medielandskap. Anbefalingsteknologi-prosjektet skal utvikle neste generasjons nyhetsanbefalinger, der avansert innholdsanalyse kombineres med "consumer intelligence" - innsikt i brukernes adferdsmønster og brukersegmentering ? for å øke presisjonen og tilpasse publikasjonsstrategier til brukernes atferd. Anbefalingssystemer for nyhetstjenester har fram til nå vært hemmet av spesielle utfordringer knyttet til ustrukturerte data og ustabile begrepsapparat, tvetydige brukersignaler, nyhetsartiklers korte levetid og ønsket om serendipity (at brukerne også opplever tilfeldig presenterte artikler som anbefalt). Dette prosjektet vil anvende forskningsresultater fra ontologianvendelser og datalingvistikk til å finne presise, semantiske beskrivelser av artikler og brukeres interesseprofiler, og deretter tilpasse storskala anbefalingsstrategier og maskinlæringsrutiner for bedre å forutsi brukeres atferd og gi de beste nyhetsanbefalingene. Anbefalingsløsningen tar sikte på å: (1) opprettholde og styrke medienes konkurranseevne, (2) skape økt varelager for digitale annonser (trafikk og tidsbruk) og (3) øke konverteringen ? dvs. gjøre en (gratis)leser om til betalende. Mens selve løsningen integreres i og kommersialiseres gjennom Cxenses eksisterende produktportefølje, vil Adresseavisen både fungere som en uttestingsomgivelse under prosjektet og ta produktet i bruk etter kommersialisering. Polaris Media og Adresseavisen ønsker seg ikke inn i programvare-bransjen, men er opptatt av å høste effektene så snart som mulig. Planen i dette prosjektet vil derfor være den klart raskeste veien til å oppnå ønsket verdi.