[論文レビュー] A new system-wide diversity measure for recommendations with efficient algorithms

Arda Antikacioglu, Tanvi Bajpai+1 more|arXiv (Cornell University)|Nov 30, 2018

Recommender Systems and Techniques参考文献 22被引用数 5

ひとこと要約

本稿では、推薦システムにおけるユーザー単位、アイテム単位、システム全体の多様性を同時に最適化する、画期的なシステムワイドな多様性測度を提案する。この手法は、候補となるユーザー・アイテムペアの二部グラフ上で部分グラフ選択問題として推薦をモデル化する。離散的カテゴリに対しては最小費用流を用いた正確なアルゴリズム、重複するカテゴリに対してはサブモジュラリティを活用した近似アルゴリズムを導入し、MovieLensおよびNetflixデータセットにおいて、関連性、多様性、売上指標のすべてで優れた性能を示した。

ABSTRACT

Recommender systems often operate on item catalogs clustered by genres, and user bases that have natural clusterings into user types by demographic or psychographic attributes. Prior work on system-wide diversity has mainly focused on defining intent-aware metrics among such categories and maximizing relevance of the resulting recommendations, but has not combined the notions of diversity from the two point of views of items and users. In this work, (1) we introduce two new system-wide diversity metrics to simultaneously address the problems of diversifying the categories of items that each user sees, diversifying the types of users that each item is shown, and maintaining high recommendation quality. We model this as a subgraph selection problem on the bipartite graph of candidate recommendations between users and items. (2) In the case of disjoint item categories and user types, we show that the resulting problems can be solved exactly in polynomial time, by a reduction to a minimum cost flow problem. (3) In the case of non-disjoint categories and user types, we prove NP-completeness of the objective and present efficient approximation algorithms using the submodularity of the objective. (4) Finally, we validate the effectiveness of our algorithms on the MovieLens-1m and Netflix datasets, and show that algorithms designed for our objective also perform well on sales diversity metrics, and even some intent-aware diversity metrics. Our experimental results justify the validity of our new composite diversity metrics.

研究の動機と目的

• ユーザー、アイテム、システム全体の分布にわたる包括的多様性を重視しない既存の推薦システムにおけるギャップを埋める。
• ユーザーに推薦されるアイテムのカテゴリと、各アイテムがどのタイプのユーザーに届くかというタイプの多様性を同時に最適化しつつ、高い推薦精度を維持する。
• ユーザー単位、アイテム単位、システム単位の多様性を統合した単一の合成目的関数に統合する包括的フレームワークを構築する。
• 離散的および重複するユーザーおよびアイテムカテゴリ構造の両方に対して、理論的保証と効率的なアルゴリズムを提供する。
• 実世界のデータセットを用いて提案フレームワークを検証し、意図に配慮した多様性および売上多様性指標において、性能の向上を示す。

提案手法

• 候補となるユーザー・アイテムペアの二部グラフ上で、推薦問題を部分グラフ選択タスクとしてモデル化する。
• 2つの新しいシステムワイド多様性測度を定義する：ユーザー多様性を重視する（TUDiv）とアイテム多様性を重視する（TIDiv）もので、これらを関連性項と組み合わせる。
• 離散的カテゴリの場合、問題を最小費用流問題に還元し、正確な多項式時間解法を可能にする。
• 重複するカテゴリの場合、目的関数のNP困難性を証明し、サブモジュラリティ近似アルゴリズムを用いて近似的に最適な結果を得る。
• 2つのアルゴリズム族を実装する：最小費用流を用いるフローに基づく手法と、サブモジュラ関数最大化に基づくグリーディ近似手法。
• 多様性目的関数を再ランク付けパイプラインに統合し、パラメータβとμを用いて関連性、ユーザー多様性、アイテム多様性のバランスを調整する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、ユーザー単位、アイテム単位、システム単位の多様性を同時に最適化する包括的システムワイド多様性測度を設計できるか？
• RQ2 離散的構造と重複構造という、ユーザーおよびアイテムカテゴリ構造の違いに応じて、提案された多様性最適化問題の計算複雑性はどのように変化するか？
• RQ3 効率的な正確解法または近似アルゴリズムを開発できるか。実際の応用において、それらの性能はどのように比較されるか？
• RQ4 提案フレームワークは、実世界のデータセットにおいて、多様性に加えて関連性および売上多様性指標の両方をどの程度改善できるか？
• RQ5 異なるアルゴリズム的アプローチにおいて、精度、ユーザー多様性、アイテム多様性のトレードオフはどのように現れるか？

主な発見

• フローに基づくアルゴリズムは、スタジオベースのカテゴリを用いたMovieLensで、最高の精度（P@10 = 0.315）と最も良いERR-IA@10（0.078）を達成し、MMRおよびxQuADを上回った。
• グリーディアルゴリズムは、年齢層タイプを用いたMovieLensで、最高のTUDiv（0.220）とTIDiv（0.220）を達成し、精度は多少低いものの、優れた意図に配慮した多様性を示した。
• フローに基づく手法は、スタジオカテゴリを用いたMovieLensで、最高の統合的多様性（G@10 = 0.133）とA@10（0.690）を達成し、すべてのベースラインを上回った。
• グリーディアルゴリズムは、わずか5.83秒で実行されたのに対し、フローに基づく手法は20.3秒と長く、精度はわずかに低いものの、よりスケーラブルであることが判明した。
• フローに基づく手法とグリーディアルゴリズムの両方が、バイノミアル多様性（BD）においてほぼ最適な性能を達成しており、目的関数の堅牢性を裏付けた。
• 提案フレームワークは、意図に配慮した多様性や売上多様性指標を明示的に最適化していない場合でも、それらの指標の向上を実現しており、包括的設計の有効性を検証した。