[論文レビュー] A Consensus-Focused Group Recommender System

Stratis Ioannidis, S. Muthukrishnan+1 more|arXiv (Cornell University)|Dec 26, 2013

Recommender Systems and Techniques参考文献 11被引用数 3

ひとこと要約

本稿では、非同期投票とフィードバックを通じた社会的影響をモデル化することで、グループイベント推薦の精度を向上させるコンセンサス重視のグループレコメンデーションシステムを提案する。意思決定の連鎖モデルを導入し、個々の投票が先行するグループ意思決定にどのように影響を受けるかを推定することで、個々の好みのみを考慮するモデルよりも顕著に高い予測精度（AUC 0.85 対 0.61）を達成した。

ABSTRACT

In many cases, recommendations are consumed by groups of users rather than individuals. In this paper, we present a system which recommends social events to groups. The system helps groups to organize a joint activity and collectively select which activity to perform among several possible options. We also facilitate the consensus making, following the principle of group consensus decision making. Our system allows users to asynchronously vote, add and comment on alternatives. We observe social influence within groups through post-recommendation feedback during the group decision making process. We propose a decision cascading model and estimate such social influence, which can be used to improve the performance of group recommendation. We conduct experiments to measure the prediction performance of our model. The result shows that the model achieves better results than that of independent decision making model.

研究の動機と目的

• グループ意思決定の過程で推薦後のフィードバックを無視するグループレコメンデーションシステムにおけるギャップを埋める。
• 他の人の先行投票に影響を受ける個人の意思決定が影響を受けるグループコンセンサスプロセスにおける社会的影響をモデル化する。
• 観察されたフィードバックと投票のダイナミクスを意思決定連鎖モデルに統合することで、グループレコメンデーションの精度を向上させる。
• 非同期投票、コメント、動的レコメンデーション更新をサポートするシステムを設計する。
• 実世界のグループイベントデータを用いて、社会的影響が予測性能に与える影響を評価する。

提案手法

• 各ユーザーの投票が個人の好みと先行投票者の重み付き影響に依存する意思決定連鎖モデルを採用する。
• 確率的定式化を用いる：Pr(y_u,i=1) = 1 - (1-p(u|i)) * ∏(1-p(v|u))（u より前に投票したすべての v について）。
• ペアワイズの影響 p(v|u) と個人の好み p(u|i) は、幾何プログラミングの定式化を用いて最尤推定される。
• 個人の好みを既知の定数とみなして、観測された投票シーケンスから影響パラメータを推定する。
• 非同期投票、イベント作成、友達推薦、コメントスレッドをサポートするインターフェースを通じてフィードバックを収集する。
• 有効な確率の範囲と束縛不等式を保証する制約条件を含む幾何プログラムを用いてパラメータ推定を実行する。

実験結果

リサーチクエスチョン

• RQ1 グループ意思決定の過程における社会的影響は、グループレコメンデーションにおける個人の投票行動にどのように影響を与えるか？
• RQ2 順序付き投票行動を捉える意思決定連鎖モデルは、個人の好みのみを考慮するモデルよりも予測精度を向上させることができるか？
• RQ3 観察された推薦後のフィードバックは、グループレコメンデーションシステムの性能をどの程度向上させるか？
• RQ4 社会的影響の組み込みは、グループコンセンサスの予測における AUC と正解率にどのような影響を与えるか？
• RQ5 非同期投票とフィードバックの導入は、グループイベント選定におけるコンセンサス形成にどのような影響を与えるか？

主な発見

• 影響に基づく意思決定連鎖モデルは、テストセットで AUC 0.85 を達成し、ベースラインのロジスティック回帰モデル（AUC 0.61）を著しく上回った。
• モデルはベースラインよりも高い真正陽性率（0.77 対 0.52）と高い正解率（0.70 対 0.65）を示し、肯定的投票の予測精度が向上した。
• 偽陽性率は高くなった（0.60 対 0.35）が、これは「いいね」や「いいえ」の投票を提供しなかった未決定ユーザーの存在によるものと推定される。
• 本システムは、平均グループサイズが 2、4、8 人の 277 個のグループイベントにおいて、合計 4,398 件の有効な投票を収集し、平均して 19 人が 54 個のイベントに参加した。
• モデルの性能向上は、異なるグループサイズにおいても一貫しており、グループダイナミクスに対して頑健であることが示された。
• 幾何プログラミングの定式化により、影響および好みのパラメータの効率的かつ安定した推定が可能になった。