[論文レビュー] A Recommender System based on the analysis of personality traits in Telegram social network

Mohammad Javad Shayegan, Mohadese Valizadeh|arXiv (Cornell University)|Oct 1, 2020

Complex Network Analysis Techniques参考文献 20被引用数 4

ひとこと要約

本稿では、Telegramにおけるグループチャット内のユーザー行動を分析して、NEO-PI-Rフレームワークを用いて性格特徴を推定する、性格に基づくレコメンデーションシステムを提案する。性格予測にはコサイン類似度、ナイーブベイズ、マルチレイヤーパーセプトロン（MLP）を採用し、コサイン類似度を用いて関連するTelegramチャンネルを推薦する。ユーザー満足度は65.42％に達した。

ABSTRACT

Accessing people's personality traits has always been a challenging task. On the other hand, acquiring personality traits based on behavioral data is one of the growing interest of human beings. Numerous researches showed that people spend a large amount of time on social networks and show behaviors that create some personality patterns in cyberspace. One of these social networks that have been widely welcomed in some countries, including Iran, is Telegram. The basis of this research is automatically identifying users' personalities based on their behavior on Telegram. For this purpose, messages from Telegram group users are extracted, and then the personality traits of each member according to the NEO Personality Inventory are identified. For personality analysis, the study is employed three approaches, including; Cosine Similarity, Bayes, and MLP algorithms. Finally, this study provides a recommender system that uses the Cosine similarity algorithm to explore and recommend relevant Telegram channels to members according to the extracted personalities. The results show a 65.42% satisfaction rate for the recommender system based on the proposed personality analysis.

研究の動機と目的

• ユーザーのTelegramメッセージング行動から自動的に性格特徴を推定すること。
• Telegramグループにおける行動パターンを用いて、既存の心理的モデルを用いて性格を予測する可能性を検討すること。
• 推定された性格特徴を活用して関連するTelegramチャンネルを提案する、パーソナライズドレコメンデーションシステムの設計および評価すること。
• 複数のアルゴリズム—コサイン類似度、ナイーブベイズ、MLP—の性格特徴予測における性能を比較すること。
• ユーザー満足度指標を用いて、最終的なレコメンデーションシステムの有効性を評価すること。

提案手法

• Telegramグループからのメッセージを収集し、分析用に前処理を行った。
• 性格特徴は、心理的枠組みとしてNEOパーソナリティインventリ（NEO-PI-R）を用いて推定した。
• テキスト行動から性格特徴を予測するために、3つの分類手法—コサイン類似度、ナイーブベイズ、マルチレイヤーパーセプトロン（MLP）—を適用した。
• 最終的なレコメンデーションエンジンとして、性能を考慮してコサイン類似度アルゴリズムを選定した。
• 推定された性格プロファイルの類似性に基づいて、ユーザーにTelegramチャンネルを推薦する。
• レコメンデーションメカニズムの有効性を評価するために、ユーザー満足度を測定した。

実験結果

リサーチクエスチョン

• RQ1 ユーザーのTelegramメッセージング行動から性格特徴を信頼性高く推定できるか？
• RQ2 ソーシャルメディアテキストからの性格特徴予測において、コサイン類似度、ナイーブベイズ、MLPのうち、どのアルゴリズムが最も優れているか？
• RQ3 性格に基づくレコメンデーションシステムは、関連するTelegramチャンネルを提示するのにどの程度効果的か？
• RQ4 推定された性格特徴に基づいてチャンネルを推薦するシステムは、どの程度のユーザー満足度を達成できるか？

主な発見

• 性格推定モデルは、ユーザーに関連するTelegramチャンネルを推薦する際、65.42％の満足度を達成した。
• 最終的なレコメンデーションタスクにおいて、コサイン類似度がナイーブベイズおよびMLPを上回り、本番システムの基盤となった。
• Telegramグループのメッセージ行動パターンには、心理的モデルを用いて信頼性高く性格特徴を推定するのに十分な信号が含まれている。
• 性格ベースのフィルタリングの統合により、非パーソナライズドアプローチと比較して、レコメンデーションの関連性が著しく向上した。
• 本研究は、メッセージングプラットフォームに性格分析を適用し、パーソナライズドコンテンツ配信を実現する可能性を示した。