[論文レビュー] A Heterogeneous Information Network based Cross Domain Insurance Recommendation System for Cold Start Users
本論文は、保険購入履歴のないユーザーのためのコールドスタート問題に対処するため、異種情報ネットワークに基づくクロスドメイン保険推薦（HCDIR）システムを提案する。非金融系ECドメインにおけるユーザー行動をGRUを用いて動的関心モデリングし、関係性、ノード、意味的アテンションを組み合わせた保険異種情報ネットワーク（IHIN）を構築することで、HCDIRは強固なユーザーおよび商品表現を学習し、PingAn Jinguanjiaデータセットにおいて最先端の手法を顕著に上回る性能を示す。
Internet is changing the world, adapting to the trend of internet sales will bring revenue to traditional insurance companies. Online insurance is still in its early stages of development, where cold start problem (prospective customer) is one of the greatest challenges. In traditional e-commerce field, several cross-domain recommendation (CDR) methods have been studied to infer preferences of cold start users based on their preferences in other domains. However, these CDR methods could not be applied to insurance domain directly due to the domain specific properties. In this paper, we propose a novel framework called a Heterogeneous information network based Cross Domain Insurance Recommendation (HCDIR) system for cold start users. Specifically, we first try to learn more effective user and item latent features in both source and target domains. In source domain, we employ gated recurrent unit (GRU) to module user dynamic interests. In target domain, given the complexity of insurance products and the data sparsity problem, we construct an insurance heterogeneous information network (IHIN) based on data from PingAn Jinguanjia, the IHIN connects users, agents, insurance products and insurance product properties together, giving us richer information. Then we employ three-level (relational, node, and semantic) attention aggregations to get user and insurance product representations. After obtaining latent features of overlapping users, a feature mapping between the two domains is learned by multi-layer perceptron (MLP). We apply HCDIR on Jinguanjia dataset, and show HCDIR significantly outperforms the state-of-the-art solutions.
研究の動機と目的
- オンライン保険推薦におけるコールドスタート問題に対処すること。特に、保険ドメインで相互作用履歴のない大多数のユーザーを対象とする。
- 非金融系ECドメインに豊富なユーザー相互作用データがあるソースドメインから知識を転送することで、新規ユーザーの推薦性能を向上させること。
- 異種情報ネットワーク（HIN）を用いて、保険商品の複雑な構造およびユーザー・エージェント間の相互作用をモデル化すること。
- データスパarsityを克服するため、ユーザーおよび保険商品の有効なマルチレベルアテンションベースの表現を学習すること。
- マルチレイヤーパーセプトロン（MLP）を用いてソースドメインとターゲットドメイン間のクロスドメイン特徴マッピングを確立し、パーソナライズド推薦を実現すること。
提案手法
- ソースドメインでは、非金融系ECでのユーザーの順序付き相互作用行動に基づき、ゲート付き再帰ユニット（GRU）を用いてユーザーの動的関心をモデル化する。
- ターゲットの保険ドメインでは、複数の種類の関係を通じてユーザー、エージェント、保険商品、商品の属性を統合した保険異種情報ネットワーク（IHIN）を構築する。
- 関係性、ノードレベル、意味的レベルの三段階アテンション機構を用いて、異種ノードからの情報集約を実施し、ユーザーおよびアイテム表現学習を強化する。
- マルチレイヤーパーセプトロン（MLP）を用いて、ソースドメインとターゲットドメインの表現間のマッピングを学習することで、ソースドメインからターゲットドメインへのユーザーの好みの転送を可能にする。
- ユーザーおよび商品の埋め込み表現を対照学習の目的関数を用いて共同最適化することで、一般化性能および推薦精度を向上させる。
実験結果
リサーチクエスチョン
- RQ1クロスドメイン推薦技術は、ユーザー相互作用データが極めてスパースな保険ドメインにおいて、コールドスタート問題を効果的に軽減できるか？
- RQ2保険商品の複雑な構造およびエージェントや属性との関係を効果的にモデル化することで、表現学習の質を向上させられるか？
- RQ3マルチレベルアテンション機構（関係性、ノード、意味的）は、保険推薦における異種情報ネットワークにおけるユーザーおよびアイテム表現学習をどの程度向上させるか？
- RQ4提案されたHCDIRフレームワークは、実世界の保険推薦データにおいて、既存の最先端クロスドメイン推薦モデルを顕著に上回るか？
主な発見
- HCDIRはPingAn Jinguanjiaデータセットにおいて、最先端のクロスドメイン推薦手法を顕著に上回り、コールドスタートシナリオにおいて優れた性能を示した。
- ソースドメインでGRUを用いることで、ユーザーの進化する関心を効果的に捉え、転送表現の質が向上した。
- IHINにおける三段階アテンション機構により、異種情報の効果的な集約が実現され、より情報量の多いユーザーおよび商品の埋め込み表現が得られた。
- ドメイン間のMLPベースの特徴マッピングにより、ターゲットドメインでの相互作用がスパースであっても、ユーザーの好みが効果的にソースドメインからターゲットドメインに転送された。
- 構築された保険異種情報ネットワーク（IHIN）は、豊富な構造的および意味的関係を捉えており、複雑な保険商品およびエージェント・ユーザーのダイナミクスのより良いモデリングを可能にした。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。