[論文レビュー] A Correspondence Analysis Framework for Author-Conference Recommendations

Rahul Radhakrishnan Iyer, Manish Sharma+1 more|arXiv (Cornell University)|Jan 8, 2020

Recommender Systems and Techniques参考文献 51被引用数 4

ひとこと要約

本稿では、論文の内容と著者間のソーシャルネットワークを統合するための、対応分析（CA）を用いた新しい推薦システムを提案する。この手法は、従来のコンテンツベース型および協調フィルタリング手法を上回り、特に発表歴のない新規著者に対して優れた性能を示す。論文と会議の関係性を頻度に基づく行列でモデル化し、CAを用いて次元削減を行うことで、特に新規著者に対する推薦精度が向上する。

ABSTRACT

For many years, achievements and discoveries made by scientists are made aware through research papers published in appropriate journals or conferences. Often, established scientists and especially newbies are caught up in the dilemma of choosing an appropriate conference to get their work through. Every scientific conference and journal is inclined towards a particular field of research and there is a vast multitude of them for any particular field. Choosing an appropriate venue is vital as it helps in reaching out to the right audience and also to further one's chance of getting their paper published. In this work, we address the problem of recommending appropriate conferences to the authors to increase their chances of acceptance. We present three different approaches for the same involving the use of social network of the authors and the content of the paper in the settings of dimensionality reduction and topic modeling. In all these approaches, we apply Correspondence Analysis (CA) to derive appropriate relationships between the entities in question, such as conferences and papers. Our models show promising results when compared with existing methods such as content-based filtering, collaborative filtering and hybrid filtering.

研究の動機と目的

• 発表歴のない著者を含め、研究者に適切な会議を推薦する課題に取り組む。
• 従来の手法が内容またはソーシャルネットワークのいずれかに依存するのを克服し、両方を統合した統一フレームワークを構築する。
• 論文・著者・会議の間の関係性を効果的にモデル化する次元削減に基づくアプローチを、対応分析（CA）を用いて開発する。
• 実世界のACM会議データを用いて、提案手法を既存のフィルタリング手法（コンテンツベース型、協調フィルタリング、ハイブリッド）と比較して実証的に評価する。

提案手法

• 論文の要約と会議の出版記録から、論文×単語、論文×会議、単語×会議の頻度に基づく行列を構築する。
• 主成分分析（PCA）が離散データに不適切であるのを避けるために、次元削減とエンティティ間の潜在的関係の抽出に、対応分析（CA）を適用する。
• tf-idfとトピックモデリング（LDA）を用いて論文の内容を表現し、得られた行列にCAを適用して次元削減を行う。
• コンテンツ特徴とソーシャルネットワーク特徴をハイブリッドモデルに統合し、コサイン、ユークリッド、ピアソンの類似度計測法を用いて類似度を計算する。
• 段階的な推薦パイプラインを採用：行列構築 → CA変換 → 類似度計算 → 上位k件の会議ランキング作成。
• ACM出版物の実データセットを用いて、標準指標（MAP@5、MRR、MNDCG@5、MR-P、MF-M@5、MP@5、MR@5）を用いて性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 離散的で頻度に基づくデータ行列に適用した場合、対応分析（CA）は論文-会議関係を効果的にモデル化できるか？
• RQ2 著者間のソーシャルネットワークデータを統合することで、特に新規著者に対して会議推薦の精度が向上するか？
• RQ3 CAを用いたコンテンツベース型フィルタリングは、従来の協調フィルタリングおよびハイブリッド手法を上回るか？
• RQ4 表現方法の選択（tf-idf 対 トピックモデリング）が、推薦性能にどの程度影響を与えるか？
• RQ5 本フレームワークにおいて、コサイン、ユークリッド、ピアソンのどの類似度計測法が最も高い精度を達成するか？

主な発見

• コンテンツベース型CA手法は協調フィルタリングを著しく上回り、tf-idfを用いた場合のMAP@5は0.1531（コサイン類似度）であり、協調フィルタリングの0.1083を上回る。
• 内容を考慮しない会議頻度に依存する最初の手法は、新規著者に対しては著しく性能が低いことが判明し、コンテンツに依存するモデルの必要性が示された。
• CAを用いたコンテンツベース型フィルタリングは、CAを単独で用いた手法よりも高い精度を達成しており、次元削減の過程で一部の情報が損なわれている可能性を示唆している。
• tf-idf表現はトピックモデリング（400トピック）を上回る性能を示し、特徴の細分化と語彙情報のより良い保持が要因と考えられる。
• コサイン類似度は、すべての指標で最も優れた性能を示し、協調フィルタリングではMRRが0.3862、ハイブリッドフィルタリングでは0.3237を記録した。
• コンテンツと協調信号を統合したハイブリッドフィルタリング手法は、コンテンツベース型フィルタリング単体よりも顕著な性能向上を示さず、コンテンツが主導的要因であることが示された。