[論文レビュー] An Intelligent Data Analysis for Hotel Recommendation Systems using Machine Learning

Bushra Ramzan, Imran Sarwar Bajwa+2 more|arXiv (Cornell University)|Oct 15, 2019

Recommender Systems and Techniques参考文献 42被引用数 4

ひとこと要約

本論文では、ユーザーレビューのセンチメント分析とゲストタイププロファイリング（例：一人旅、家族、カップルなど）を統合することで、パーソナライズ性を向上させる、新しい協調フィルタリングベースのホテル推薦システムを提案する。語彙的・構文的・意味的分析を用いた極性検出と、Hadoopを用いたファジィルールによるビッグデータ処理により、従来手法に比べて高い精度、再現率、F1スコアが達成され、応答時間も顕著に改善された。

ABSTRACT

This paper presents an intelligent approach to handle heterogeneous and large-sized data using machine learning to generate true recommendations for the future customers. The Collaborative Filtering (CF) approach is one of the most popular techniques of the RS to generate recommendations. We have proposed a novel CF recommendation approach in which opinion based sentiment analysis is used to achieve hotel feature matrix by polarity identification. Our approach combines lexical analysis, syntax analysis and semantic analysis to understand sentiment towards hotel features and the profiling of guest type (solo, family, couple etc). The proposed system recommends hotels based on the hotel features and guest type as additional information for personalized recommendation. The developed system not only has the ability to handle heterogeneous data using big data Hadoop platform but it also recommend hotel class based on guest type using fuzzy rules. Different experiments are performed over the real world dataset obtained from two hotel websites. Moreover, the values of precision and recall and F-measure have been calculated and results are discussed in terms of improved accuracy and response time, significantly better than the traditional approaches.

研究の動機と目的

• 異種で大規模なホテルレビュー・データを処理する従来の協調フィルタリングの限界を克服すること。
• ゲストタイプ（例：一人旅、家族など）を文脈的要因として組み込むことで、推薦のパーソナライズ性を向上させること。
• 機械学習を用いた知的データ分析により、ホテル推薦システムの精度と応答時間を向上させること。
• 実世界のホテルWebサイトからの大規模データを処理できるスケーラブルなソリューションをHadoopプラットフォームを用いて開発すること。
• ユーザーレビューのセンチメント分析を統合し、意味のあるホテル特徴の好みを抽出すること。

提案手法

• 本システムは、協調フィルタリングと意見ベースのセンチメント分析を組み合わせたハイブリッドアプローチを採用し、特定のホテル特徴に対するセンチメント極性を抽出する。
• 語彙的・構文的・意味的分析技術を用いて、各ホテル特徴のユーザーレビューにおけるセンチメント極性を同定する。
• ゲストタイププロファイリング（一人旅、家族、カップルなど）を追加入力として統合し、推薦をカスタマイズする。
• ファジィ論理ルールを適用して、ゲストタイプとセンチメントスコアをホテルクラス推薦にマッピングする。
• 本システムは、2つの実際のホテルWebサイトからの異種で大規模なデータセットを処理できるHadoopビッグデータプラットフォーム上で実装されている。
• ベースラインとなる協調フィルタリング手法との比較のため、精度、再現率、F1スコアを計算して性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 ユーザーレビューのセンチメント分析は、ホテル推薦の精度をどのように向上させるか？
• RQ2 ゲストタイプ（例：一人旅、家族など）を組み込むことで、ホテル推薦システムにおけるパーソナライズ性はどの程度向上するか？
• RQ3 協調フィルタリングとセンチメント分析を組み合わせたハイブリッドアプローチは、精度と応答時間の面で従来のCF手法を上回るか？
• RQ4 ゲストプロファイルとセンチメントスコアをホテルクラス推薦にマッピングするファジィルールの有効性はいかほどか？
• RQ5 異種のホテルデータをスケーラブルに処理する際、Hadoopを用いることでどの程度のパフォーマンス向上が達成されるか？

主な発見

• 提案されたシステムは、従来の協調フィルタリング手法に比べ、顕著に高い精度、再現率、F1スコアを達成した。
• Hadoopプラットフォームを用いた効率的なデータ処理のおかげで、応答時間が顕著に短縮された。
• 文脈的要因としてのゲストタイプの組み込みにより、推薦のパーソナライズ性と関連性が向上した。
• 語彙的・構文的・意味的技術に基づくセンチメント分析は、特定のホテル特徴に関するユーザーロンの意見を効果的に捉えた。
• ファジィルールの統合により、ユーザープロファイルとセンチメントスコアを適切なホテルクラスに堅牢にマッピングできるようになった。
• 実世界のデータセットを用いた実証的評価により、本システムの精度とスケーラビリティにおける優れた性能が確認された。