[論文レビュー] A Distributed Collaborative Filtering Algorithm Using Multiple Data Sources

Mohamed Reda Bouadjenek, Esther Pacitti+3 more|arXiv (Cornell University)|Jul 16, 2018

Recommender Systems and Techniques参考文献 25被引用数 4

ひとこと要約

本稿では、ユーザーの評価、ソーシャルネットワーク、タグ、ユーザーの関心といった多様なデータソースを行列分解を用いて統合することで、推薦精度を向上させる分散型共同フィルタリングアルゴリズムを提案する。分散されたデータセンター間で生データを転送せずに潜在特徴行列を共有することで、DeliciousおよびMovielensデータセットにおいて、最先端の手法を上回る優れた性能を達成する。

ABSTRACT

Collaborative Filtering (CF) is one of the most commonly used recommendation methods. CF consists in predicting whether, or how much, a user will like (or dislike) an item by leveraging the knowledge of the user's preferences as well as that of other users. In practice, users interact and express their opinion on only a small subset of items, which makes the corresponding user-item rating matrix very sparse. Such data sparsity yields two main problems for recommender systems: (1) the lack of data to effectively model users' preferences, and (2) the lack of data to effectively model item characteristics. However, there are often many other data sources that are available to a recommender system provider, which can describe user interests and item characteristics (e.g., users' social network, tags associated to items, etc.). These valuable data sources may supply useful information to enhance a recommendation system in modeling users' preferences and item characteristics more accurately and thus, hopefully, to make recommenders more precise. For various reasons, these data sources may be managed by clusters of different data centers, thus requiring the development of distributed solutions. In this paper, we propose a new distributed collaborative filtering algorithm, which exploits and combines multiple and diverse data sources to improve recommendation quality. Our experimental evaluation using real datasets shows the effectiveness of our algorithm compared to state-of-the-art recommendation algorithms.

研究の動機と目的

• ソーシャルネットワーク、タグ、ユーザーの関心といった多様な補助的データソースを活用することで、共同フィルタリングにおけるデータスパarsity問題を緩和する。
• 外部データを用いてユーザーおよびアイテムの表現を豊かにすることで、新規ユーザーおよび新規アイテムのコールドスタート問題を克服する。
• データセンター間での生データ転送を回避することで、プライバシーを守りながらスケーラブルな推薦を実現する分散アルゴリズムを設計する。
• 複数の異種データソースを統一された行列分解フレームワークに統合し、ユーザーの好みやアイテムの特性のモデリングを強化する。
• 最先端の手法と比較して、実世界のデータセットを用いた包括的な評価を通じて、提案手法の有効性を示す。

提案手法

• ユーザーとアイテムの潜在特徴をモデル化するために行列分解を採用し、ユーザー・アイテム評価行列に加えて補助的データ行列（例：信頼関係、タグ、トピック）を同時に因子分解する。
• すべてのデータソースに共通する潜在ユーザー特徴行列を共有することで、複数のソース間での学習を可能にし、ユーザー表現の一貫性を確保する。
• 各データソースをその対応するデータセンターで局所的に処理する分散計算モデルを設計し、中間の潜在特徴行列のみを交換する。
• 反復的最適化（例：SGDまたは類似手法）を用いて、通信コストを最小限に抑えながら、協調的に行列を因子分解する。
• 異なるデータソース（例：信頼できる友人）の重要性を反映するために、適応的に重みを学習する。
• 生のユーザーまたはアイテムデータをデータセンター間で送信しないことで、プライバシー保護とスケーラビリティを確保する。

実験結果

リサーチクエスチョン

• RQ1 複数の多様なデータソース（例：評価、タグ、ソーシャルネットワーク）を統合することで、共同フィルタリングの推薦精度が向上するか？
• RQ2 分散システムにおいて、データセンター間での生データ転送を回避しながら、複数のデータソースを効率的に統合できるか？
• RQ3 異種のデータソース間で共有される潜在特徴行列が、ユーザーの好みやアイテムの特性のモデリングに与える影響は何か？
• RQ4 提案された分散アルゴリズムは、既存の集中型および分散型行列分解手法と比較して、性能およびスケーラビリティにおいて優れているか？
• RQ5 補助的データを用いることで、新規ユーザーおよび新規アイテムのコールドスタート問題はどの程度軽減されるか？

主な発見

• 提案された分散アルゴリズムは、DeliciousおよびMovielensの両方のデータセットにおいて、大多数の最先端の推薦手法を常に上回る性能を示した。
• ソーシャルネットワーク、タグ、ユーザーの関心といった複数のデータソースの統合により、単一ソースまたは評価のみのアプローチと比較して、推薦精度が顕著に向上した。
• 本手法は、スパースなデータ環境下でも高い性能を発揮し、新規ユーザーおよび新規アイテムのコールドスタート問題を効果的に軽減した。
• 分散アーキテクチャにより、生データの転送を回避し、潜在特徴行列のみを交換することで、スケーラブルな計算が可能となり、プライバシー保護も実現した。
• Movielensデータセットでは、MatchboxとHeteroMFのみが提案手法をわずかに上回ったが、これは非常に高い競争力を持つ性能を示している。
• データソースの適応的重み付け（例：信頼できる友人）により、ユーザーの嗜好の多様性のモデリングが向上し、推薦品質が改善された。