[論文レビュー] An Intelligent Group Event Recommendation System in Social networks

Guoqiong Liao, Huang Xiao-mei+2 more|arXiv (Cornell University)|Jun 16, 2020

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

ひとこと要約

本稿では、イベントベースのソーシャルネットワーク（EBSNs）向けに、文脈に適応するアテンションベースのグループイベント推薦モデルACGERを提案する。このモデルは、ニューラルネットワークを用いて、ユーザー、グループ、イベントに対する文脈的要因の影響を動的に学習する。間接的（アテンションベースの集約）および直接的（ニューラルネットワークで学習された）グループの好みを統合し、個人推薦との共同学習を実施することで、2つの実世界のデータセットにおいて、最先端のモデルを著しく上回る性能を発揮する。

ABSTRACT

The importance of contexts has been widely recognized in recommender systems for individuals. However, most existing group recommendation models in Event-Based Social Networks (EBSNs) focus on how to aggregate group members' preferences to form group preferences. In these models, the influence of contexts on groups is considered but simply defined in a manual way, which cannot model the complex and deep interactions between contexts and groups. In this paper, we propose an Attention-based Context-aware Group Event Recommendation model (ACGER) in EBSNs. ACGER models the deep, non-linear influence of contexts on users, groups, and events through multi-layer neural networks. Especially, a novel attention mechanism is designed to enable the influence weights of contexts on users/groups change dynamically with the events concerned. Considering that groups may have completely different behavior patterns from group members, we propose that the preference of a group need to be obtained from indirect and direct perspectives (called indirect preference and direct preference respectively). In order to obtain the indirect preference, we propose a method of aggregating preferences based on attention mechanism. Compared with existing predefined strategies, this method can flexibly adapt the strategy according to the events concerned by the group. In order to obtain the direct preference, we employ neural networks to directly learn it from group-event interactions. Furthermore, to make full use of rich user-event interactions in EBSNs, we integrate the context-aware individual recommendation task into ACGER, which enhances the accuracy of learning of user embeddings and event embeddings. Extensive experiments on two real datasets from Meetup show that our model ACGER significantly outperforms the state-of-the-art models.

研究の動機と目的

• 既存のグループ推薦モデルにおける事前定義された、柔軟性に欠けるグループ集約戦略の限界を解決する。
• EBSNsにおけるグループ意思決定に及ぼす文脈的要因（例：時間、場所、ソーシャル関係）の複雑で非線形的かつ動的な影響をモデル化する。
• メンバーの好みの集約（間接的）とグループ固有の相互作用パターン（直接的）の両方の視点から、グループ好みを捉える。
• グループ推薦タスクと個人推薦タスクを共同で学習させることで、共有表現学習によるユーザーおよびイベント埋め込みの質を向上させ、推薦精度を向上させる。
• イベントタイプに応じて意思決定戦略を適応的に変更できるように、文脈的要因に対する動的アテンション重みを学習する。

提案手法

• ユーザー／グループ文脈とイベント文脈の相互作用を同時にモデル化する新しいアテンション機構を提案し、グループ意思決定における文脈の動的影響重みを計算する。
• 固定ルール（平均値や承認投票など）に置き換える代わりに、データから学習可能な適応型グループ集約戦略を、ニューラルネットワークベースのアテンション機構で実現する。
• イベントタイプに応じて変化する学習済みアテンション重みを用いて、メンバーの好みを集約することで、間接的グループ好みをモデル化する。
• グループとイベントの相互作用データから直接的にグループ固有の行動パターンを学習するため、深層ニューラルネットワークを用いて直接的グループ好みを学習する。
• グループ推薦タスクと個人推薦タスクを共同で学習させることで、共有表現学習によりユーザーおよびイベント埋め込みの質を向上させる。
• マルチレイヤーのニューラルネットワークを用いて、ユーザー、グループ、イベント、文脈的要因の間の深く非線形な相互作用をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 EBSNsにおけるグループ好みに及ぼす文脈的要因（例：時間、場所、ソーシャル関係）の動的で非線形的影響をどのようにモデル化できるか？
• RQ2 平均値や最小苦痛法などの事前定義された戦略と比較して、学習可能なアテンション機構はグループ好みの集約をどのように改善できるか？
• RQ3 間接的（メンバー集約）と直接的（グループ固有）のグループ好みは、正確なイベント推薦にどの程度寄与するか？
• RQ4 グループ推薦フレームワークに個人推薦を統合することで、グループ推薦の性能はどの程度向上するか？
• RQ5 文脈的要因は、正確なグループ好みの学習と推薦精度の向上にどのように影響を与えるか？

主な発見

• ACGERは、P@5、R@5、NDCG@5の全評価指標において、2つの実世界のMeetupデータセットで最先端のモデルを著しく上回る。
• ACGER_U（間接的好みのみ）の性能は、ACGER_G（直接的好みのみ）を上回っており、グループ好み学習において間接的好みが支配的であることが示された。
• 個人推薦タスクを省いたACGER_Grpは、ACGERに比べて著しく性能が劣り、ニューヨークデータセットではP@5が10.03%低下した。共同学習の有効性が裏付けられた。
• 文脈情報を排除したACGER2は、ACGERに比べて著しく性能が低下しており、文脈モデリングが高精度な推薦に不可欠であることが確認された。
• アテンション機構は動的文脈影響を効果的に捉えており、モデルがイベントタイプに応じてアテンション重みを適応的に変更することで、文脈に適応した意思決定が向上した。
• 個人推薦とグループ推薦タスクの統合により、ユーザーおよびイベント埋め込みの質が向上し、より正確なグループ好みのモデリングが実現した。