[論文レビュー] A movie genre prediction based on Multivariate Bernoulli model and genre correlations

Eric Makita, Artem Lenskiy|arXiv (Cornell University)|Mar 25, 2016

Video Analysis and Summarization参考文献 6被引用数 16

ひとこと要約

本論文は、ユーザー評価に基づき、ジャンル相関を活用して多変量ベルヌーイナイーブベイズ分類器を訓練することで、映画のジャンル予測モデルを提案する。MovieLens 100Kデータセットにおいて、正確なジャンル予測は59％、関連ジャンルを含めると69％の精度を達成し、従来の評価予測を超えて、ユーザー評価のみで映画のジャンルを効果的に予測できることを示している。

ABSTRACT

Movie ratings play an important role both in determining the likelihood of a potential viewer to watch the movie and in reflecting the current viewer satisfaction with the movie. They are available in several sources like the television guide, best-selling reference books, newspaper columns, and television programs. Furthermore, movie ratings are crucial for recommendation engines that track the behavior of all users and utilize the information to suggest items they might like. Movie ratings in most cases, thus, provide information that might be more important than movie feature-based data. It is intuitively appealing that information about the viewing preferences in movie genres is sufficient for predicting a genre of an unlabeled movie. In order to predict movie genres, we treat ratings as a feature vector, apply the Bernoulli event model to estimate the likelihood of a movies given genre, and evaluate the posterior probability of the genre of a given movie using the Bayes rule. The goal of the proposed technique is to efficiently use the movie ratings for the task of predicting movie genres. In our approach we attempted to answer the question: "Given the set of users who watched a movie, is it possible to predict the genre of a movie based on its ratings?" Our simulation results with MovieLens 100k data demonstrated the efficiency and accuracy of our proposed technique, achieving 59% prediction rate for exact prediction and 69% when including correlated genres.

研究の動機と目的

• 推薦システムにおけるジャンル予測のギャップ、特に新規または低評価のアイテムに対して解決を図ること。
• ユーザー評価のみで、高い精度で映画のジャンルを予測できるかどうかを検証すること。
• 単なる評価予測ではなく、アイテムのカテゴリを予測することで推薦精度を向上させること。
• ジャンル相関が誤った予測を改善する効果がどの程度あるかを評価すること。
• 従来の協調フィルタリングを拡張し、カテゴリ予測を補完的タスクとして組み込むこと。

提案手法

• 各評価を二値イベント（例：評価済みまたは未評価）として扱う多変量ベルヌーイイベントモデルを用いて、ユーザーの好みをモデル化する。
• ナイーブベイズを用いてベイズ的推論を実行し、映画が特定のジャンルに属する事後確率を計算する。
• ジャンルごとのユーザー評価パターンに基づき、ベルヌーイモデルを用いて尤度を推定する。
• 関連ジャンルを特定するためのジャンル相関行列を構築し、相関係数が0.1以上の場合に限り、予測を有効とみなす。
• MovieLens 100Kデータセットの1％から80％を訓練データとして使用し、残りの20％をホールドアウトテストに使用。各分割について20回繰り返し実行する。
• 評価値（1〜5）を入力特徴量として使用し、各評価をユーザーの関与のバイナリ指標として扱う。

実験結果

リサーチクエスチョン

• RQ1 ユーザー評価のみで、ラベルのない映画のジャンルを高い精度で予測できるか？
• RQ2 多変量ベルヌーイモデルは、ユーザー評価パターンからジャンル尤度をどの程度正確に推定できるか？
• RQ3 モデルが誤った予測をした場合、ジャンル相関が予測精度をどの程度向上させるか？
• RQ4 評価値のレベル（例：1点 vs. 5点）によって予測性能に顕著な差が生じるか？
• RQ5 カテゴリ予測は、専門家のラベル付け依存を減らすことで、従来の推薦システムをどのように改善できるか？

主な発見

• 80％のMovieLens 100Kデータセットを訓練データとして使用した場合、正確なジャンル予測率は59％に達する。
• 関連ジャンルを含めると、同じ訓練条件で予測率は69％に向上する。
• 訓練データを10％にまで減らしても、予測精度は50％に達する。これは、高いデータ効率性を示している。
• 訓練データサイズが増加するにつれて、予測精度が滑らかに向上し、より多くのデータから一貫した学習が得られることを示している。
• 高評価（例：4点および5点）に基づく予測は、低評価に基づく予測と異なる挙動を示しており、さらなる調査の必要がある。
• ジャンル相関行列は、誤分類された映画の妥当な代替ジャンルを効果的に同定できており、モデルの耐性を高めている。