[論文レビュー] A Review on Recommendation Systems: Context-aware to Social-based

S. M. Mahdi Seyednezhad, Kailey Nobuko Cozart+2 more|arXiv (Cornell University)|Nov 28, 2018

Recommender Systems and Techniques参考文献 41被引用数 14

ひとこと要約

この論文は、協調フィルタリングやコンテンツベースフィルタリングといった伝統的な手法から、文脈に配慮したおよびソーシャルベースのアプローチに至るまで、推薦システムの包括的なレビューを提供している。主な技術、評価指標、およびソーシャルネットワークにおけるリンク予測や引用・トピック分析を用いた論文推薦といった、新たなトレンドを概説している。

ABSTRACT

The number of Internet users had grown rapidly enticing companies and cooperations to make full use of recommendation infrastructures. Consequently, online advertisement companies emerged to aid us in the presence of numerous items and users. Even as a user, you may find yourself drowned in a set of items that you think you might need, but you are not sure if you should try them. Those items could be online services, products, places or even a person for a friendship. Therefore, we need recommender systems that pave the way and help us making good decisions. This paper provides a review on traditional recommendation systems, recommendation system evaluations and metrics, context-aware recommendation systems, and social-based recommendation systems. While it is hard to include all the information in a brief review paper, we try to have an introductory review over the essentials of recommendation systems. More detailed information on each chapter will be found in the corresponding references. For the purpose of explaining the concept in a different way, we provided slides available on https://www.slideshare.net/MahdiSeyednejad/recommender-systems-97094937.

研究の動機と目的

• 伝統的および現代の推薦システム手法の構造的概要を提供すること。
• 人種的・コンテンツベースのフィルタリングから協調フィルタリングおよびハイブリッド手法への進化を検討すること。
• 時間的・空間的・状況的ユーザーデータを統合する文脈に配慮したシステムを探索すること。
• 友人推定、グループ推薦、リンク予測に焦点を当てたソーシャルベースのレコメンデーションシステムを分析すること。
• 特に学術的およびソーシャルネットワークの文脈において、研究のギャップと今後の方向性を特定すること。

提案手法

• 推薦システムを4つの主要なタイプに分類する：人口統計的フィルタリング、コンテンツベースフィルタリング、協調フィルタリング、ハイブリッド手法。
• 属性とアイテムの評価に基づくユーザー評価の予測に、条件付き確率を用いたナイーブベイズアプローチを導入する。
• ユーザーの文脈（例：時間、場所）を推薦に統合するための文脈的プリフィルタリング、ポストフィルタリング、モデリング技術を提案する。
• ヒストグラムベースの類似度を用いて、ソーシャルネットワークにおける直近の友人の影響をモデル化し、評価差を代理指標として使用する。
• ノードベースおよびパスベースの特徴を含む、トポロジーに基づくおよび類似度に基づくメトリクスを用いて、ソーシャルネットワークにおけるリンク予測を実施する。
• 文脈に基づく協調フィルタリングおよび共引用分析を、引用ネットワークと共有参照を活用して研究論文推薦に適応する。

実験結果

リサーチクエスチョン

• RQ1 文脈に配慮した推薦システムは、時間、場所、デバイスなどのリアルタイムのユーザー文脈を統合することで、どのようにパーソナライゼーションを向上させるか？
• RQ2 ソーシャルネットワーク構造を用いてユーザー行動と好みをモデル化する上で、最も効果的な技術は何か？
• RQ3 ユーザー属性、絵文字使用状況、共通の友人分析を用いることで、ソーシャルネットワークにおけるリンク予測はどのように向上するか？
• RQ4 共引用分析および引用ネットワークモデリングは、研究論文推薦の精度をどのように向上させるか？
• RQ5 伝統的な協調フィルタリングの限界は何か？ハイブリッドまたは文脈に配慮したモデルは、それらをどのように克服するか？

主な発見

• 文脈に配慮したシステムは、時間、場所、デバイスなどのリアルタイムのユーザー文脈を統合することにより、推薦の関連性を顕著に向上させる。
• ソーシャルベースのシステムは、トポロジーに基づくおよび類似度に基づくメトリクスを用いることで、伝統的な手法に比べてユーザーの接続や友人提案の予測性能が優れている。
• ヒストグラムベースの評価差モデル化は、ソーシャルネットワークにおける直近の友人の影響の推定精度を向上させる。
• 共引用分析および引用ネットワークモデリングは、標準的な協調フィルタリングに比べて、研究論文推薦タスクにおいて優れた性能を示す。
• コンテンツベースと協調フィルタリングを組み合わせたハイブリッド手法は、予測品質および多様性の観点で優れたパフォーマンスを達成する。
• 絵文字とユーザーの表現の意味的分析は、Twitterのようなソーシャルメディアプラットフォームにおけるリンク予測のチューニング要因としての可能性を示している。