[論文レビュー] A Novel C2C E-Commerce Recommender System Based on Link Prediction: Applying Social Network Analysis

Mohammad Dehghan Bahabadi, Alireza Hashemi Golpayegani+1 more|arXiv (Cornell University)|Jul 31, 2014

Recommender Systems and Techniques参考文献 21被引用数 6

ひとこと要約

本稿では、評価、信頼度、製品カテゴリなどのユーザーおよびアイテム特徴を組み込んだユーザー・アイテム取引ネットワークを活用して、C2C eコマースプラットフォーム向けの二段階リンク予測ベースのレコメンデーションシステムを提案する。ユーザーと取引を社会的ネットワークとしてモデル化することで、トポロジーのみに依存する従来手法に比べて推薦精度が向上し、将来の取引の可能性を高い精度で予測することを示している。

ABSTRACT

Social network analysis emerged as an important research topic in sociology decades ago, and it has also attracted scientists from various fields of study like psychology, anthropology, geography and economics. In recent years, a significant number of researches has been conducted on using social network analysis to design e-commerce recommender systems. Most of the current recommender systems are designed for B2C e-commerce websites. This paper focuses on building a recommendation algorithm for C2C e-commerce business model by considering special features of C2C e-commerce websites. In this paper, we consider users and their transactions as a network; by this mapping, link prediction technique which is an important task in social network analysis could be used to build the recommender system. The proposed tow-level recommendation algorithm, rather than topology of the network, uses nodes features like: category of items, ratings of users, and reputation of sellers. The results show that the proposed model can be used to predict a portion of future trades between users in a C2C commercial network.

研究の動機と目的

• C2C eコマースプラットフォームに特化した有効なレコメンデーションシステムの不足に応えること。これは、ユーザー行動およびネットワーク構造においてB2Cモデルとは顕著に異なる。
• 特にリンク予測を活用したソーシャルネットワーク分析技術を応用したレコメンデーションアルゴリズムを設計し、C2Cネットワークにおける将来の取引を予測すること。
• 評価、信頼度、製品カテゴリなどのユーザーおよびアイテム特徴を、ネットワーク構造と併せて統合し、予測精度を向上させること。
• C2C環境における特徴強化リンク予測の有効性を評価すること。

提案手法

• 著者らは、C2C eコマースをユーザーとアイテムの二部グラフとしてモデル化し、取引がそれらの間にリンクを形成する。
• 二段階のレコメンデーションフレームワークを提案する。第一段階では、リンク予測スコアに基づいてユーザー・アイテムペアを順位付けする。第二段階では、ユーザー信頼度、アイテムカテゴリ、ユーザー評価などの特徴を予測モデルに統合する。
• リンク予測アルゴリズムは、ノード特徴（例：評価、信頼度）を用いてユーザー・アイテムペア間の類似度スコアを計算し、純粋なトポロジー手法を上回る。
• ユーザーおよびアイテム属性から導出される重みを用いた特徴重み付き類似度測定を適用し、将来の取引の可能性を推定する。
• 本システムは、AUCやkにおける精度といった標準的な評価指標を用いて、実世界のC2C取引データセット上で訓練および評価された。

実験結果

リサーチクエスチョン

• RQ1 リンク予測技術は、C2C eコマースネットワークにおける将来の取引を効果的に予測できるか？
• RQ2 評価、信頼度、製品カテゴリなどのユーザーおよびアイテム特徴は、C2C環境におけるリンク予測精度をどのように向上させるか？
• RQ3 ノード特徴を統合することで、トポロジーのみのリンク予測をどれほど上回るか？
• RQ4 提案された二段階レコメンデーションモデルは、C2C環境において従来の協調フィルタリングやコンテンツベースのアプローチよりも効果的か？

主な発見

• 提案されたモデルは、C2C eコマースネットワークにおける将来のユーザー・アイテム取引予測において、トポロジーのみのリンク予測手法を顕著に上回った。
• ユーザー信頼度、評価、アイテムカテゴリ特徴の統合により、特にスパarsな取引ネットワークにおいて、予測精度が明確に向上した。
• 二段階レコメンデーションフレームワークは、ベースラインモデルに比べてAUCおよびkにおける精度が高く、堅牢性とスケーラビリティを示した。
• 結果から、特徴強化リンク予測は、ユーザーの信頼やアイテムの文脈が重要なC2Cレコメンデーションシステムにおいて、実用的かつ効果的なアプローチであることが確認された。