[論文レビュー] A Survey Paper on Recommender Systems

Dhoha Almazro, Ghadeer Shahatah+4 more|arXiv (Cornell University)|Jun 28, 2010

Recommender Systems and Techniques参考文献 15被引用数 58

ひとこと要約

本論文は、Wekaを用いて映画評価データ上で予測モデルを実装・テストするため、協調フィルタリング手法—ユーザー基準およびアイテム基準—を評価するサーベイ論文である。ユーザーの属性に基づいて映画のジャンルを予測する際の正確度は61.43%であり、ジャンルに基づくアイテム類似度を用いて特定の映画タイトルを推薦する際の正確度は66.01%であった。

ABSTRACT

Recommender systems apply data mining techniques and prediction algorithms to predict users' interest on information, products and services among the tremendous amount of available items. The vast growth of information on the Internet as well as number of visitors to websites add some key challenges to recommender systems. These are: producing accurate recommendation, handling many recommendations efficiently and coping with the vast growth of number of participants in the system. Therefore, new recommender system technologies are needed that can quickly produce high quality recommendations even for huge data sets. To address these issues we have explored several collaborative filtering techniques such as the item based approach, which identify relationship between items and indirectly compute recommendations for users based on these relationships. The user based approach was also studied, it identifies relationships between users of similar tastes and computes recommendations based on these relationships. In this paper, we introduce the topic of recommender system. It provides ways to evaluate efficiency, scalability and accuracy of recommender system. The paper also analyzes different algorithms of user based and item based techniques for recommendation generation. Moreover, a simple experiment was conducted using a data mining application -Weka- to apply data mining algorithms to recommender system. We conclude by proposing our approach that might enhance the quality of recommender systems.

研究の動機と目的

• レコメンデーションシステムにおけるユーザー基準およびアイテム基準の協調フィルタリング手法の効率性、スケーラビリティ、正確度を評価すること。
• ユーザーおよびアイテムの数の増加に伴う大規模データ処理の課題を克服し、レコメンデーション品質を向上させること。
• 実世界の映画データを用いて、ユーザー基準（属性に基づく）およびアイテム基準（ジャンルに基づく）の推薦アプローチを実験的に比較すること。
• Wekaのようなデータマイニングツールが実用的なレコメンデーションシステムを構築する上で果たす性能を評価すること。
• ハイブリッドまたは洗練されたアルゴリズム的手法を通じて、レコメンデーション品質を向上させること。

提案手法

• 年齢、性別、学生状態、子供の有無、好む映画ジャンルなどの属性を含む、MovieLensデータからユーザーおよびアイテムのデータセットを構築した。
• 年齢、性別、学生状態などのデモグラフィック特徴を用いてユーザー基準の協調フィルタリングを適用し、好む映画ジャンルを予測した。
• 映画ジャンル属性を用いてアイテム基準の協調フィルタリングを適用し、ユーザーの好みに基づいて特定の映画タイトルを予測した。
• Wekaで前処理を行い、関連する属性を選択し、分類のターゲット変数をクラス属性として指定した。
• Wekaの分類アルゴリズムを用いて意思決定木を生成し、ユーザーの好みとアイテムの推薦をモデル化した。
• ユーザーのプロファイルおよびアイテムジャンル予測タスクの両方において、分類の正確度指標を用いてモデルの性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 ユーザー基準およびアイテム基準の協調フィルタリング手法は、正確度、スケーラビリティ、効率性の観点からどのように比較されるか？
• RQ2 属性に基づくユーザーのプロファイルは、レコメンデーションシステムにおいてどの程度、好む映画ジャンルを予測できるか？
• RQ3 ジャンルに基づくアイテム特徴は、類似した好みを持つユーザーに対して、特定の映画タイトルを効果的に予測できるか？
• RQ4 Wekaを用いた実装は、実世界の映画データセットを用いて正確なレコメンデーションを生成する上でどの程度の性能を示すか？
• RQ5 ハイブリッドまたは洗練されたアプローチは、基本的な協調フィルタリングと比較して、レコメンデーション品質をどのように向上させるか？

主な発見

• ユーザー基準のアプローチは、年齢、性別、学生状態、親としての状態などのユーザー属性に基づいて、映画ジャンルを予測する際、61.43%の正確度を達成した。
• アイテム基準のアプローチは、ユーザーが好むジャンルに基づいて特定の映画タイトルを推薦する際、66.01%の正確度を達成した。
• Wekaを用いて構築された意思決定木は、ユーザーの好みを効果的にモデル化し、映画ジャンルおよび特定のタイトルの予測を可能にした。
• 実験では、アイテム基準の手法がユーザー基準の手法よりも高い正確度を示し、このデータセットおよびタスクにおいて優れたパフォーマンスを発揮していることが示された。
• Wekaにおける前処理ステップ—特に属性選択とクラス属性の指定—は、正確なモデルトレーニングと予測の実現に不可欠であった。
• 本研究は、協調フィルタリングが依然として有効であることを確認しているが、大規模システムにおける正確度とスケーラビリティのバランスを取るにはハイブリッドアプローチの導入が必要であると示している。