[論文レビュー] CoupleNet: Paying Attention to Couples with Coupled Attention for Relationship Recommendation

Yi Tay, Luu Anh Tuan+1 more|arXiv (Cornell University)|May 29, 2018

Mental Health via Writing被引用数 10

ひとこと要約

この論文では、カップルの関係性の相性を推定するために、結合されたアテンション機構を用いた新しいエンドツーエンドのディープラーニングモデルCOUPLENETを提案する。本研究は、マッチングサイトではなく、通常のソーシャルネットワーキングサービス（RSN）のツイートに焦点を当て、明示的なマッチング信号がなくても、説明可能な潜在特徴に基づいた推薦を実現する。最高の精度（HR@10で64％）を達成し、最先端の性能を示した。

ABSTRACT

Dating and romantic relationships not only play a huge role in our personal lives but also collectively influence and shape society. Today, many romantic partnerships originate from the Internet, signifying the importance of technology and the web in modern dating. In this paper, we present a text-based computational approach for estimating the relationship compatibility of two users on social media. Unlike many previous works that propose reciprocal recommender systems for online dating websites, we devise a distant supervision heuristic to obtain real world couples from social platforms such as Twitter. Our approach, the CoupleNet is an end-to-end deep learning based estimator that analyzes the social profiles of two users and subsequently performs a similarity match between the users. Intuitively, our approach performs both user profiling and match-making within a unified end-to-end framework. CoupleNet utilizes hierarchical recurrent neural models for learning representations of user profiles and subsequently coupled attention mechanisms to fuse information aggregated from two users. To the best of our knowledge, our approach is the first data-driven deep learning approach for our novel relationship recommendation problem. We benchmark our CoupleNet against several machine learning and deep learning baselines. Experimental results show that our approach outperforms all approaches significantly in terms of precision. Qualitative analysis shows that our model is capable of also producing explainable results to users.

研究の動機と目的

• オンラインマッチングサイト（DSN）からの相互的信号に依存する関係推薦システムのギャップを埋めるため、長期的な相性を反映しない可能性があること。
• 通常のソーシャルネットワーク（RSN）であるTwitterのようなプラットフォームに適用可能な、データドリブンでテキストベースの関係推薦システムを構築すること。
• 愛情表現のツイートパターンに基づく新しい遠隔監視スキームを用いて、実世界のカップルの公開可能な最初のデータセットを構築すること。
• 手動による特徴工学を必要とせず、ユーザーのプロフィール作成と相性予測を統合的に実行するエンドツーエンドのディープラーニングモデルを設計すること。
• アテンション機構による注目度の可視化を通じて、顕著なツイートや潜在的ユーザー属性を特定し、説明可能な推薦を可能にすること。

提案手法

• 愛の表現を含むツイート（例：'love you', 'baby'）を特定することで、遠隔監視のヒューリスティックを用いて、Twitter上から実世界の恋愛カップルを抽出する。
• LOVEBIRDS2Mデータセットを構築——約200万件のツイートを含み、ツイートIDを通じて公開可能である。
• 階層的再帰ニューラルネットワーク（GRU）を用いて、単語レベルおよび文レベルでユーザーのプロフィールを符号化し、ユーザーの表現の順序性と文脈を捉える。
• 相手のコンテンツに基づいて、それぞれのユーザーのプロフィールの関連部分に動的に注目する、新しい結合アテンション機構を導入し、共同表現学習を可能にする。
• 対照損失とハードネガティブマイニングを用いて、クラスの不均衡に対処するエンドツーエンドのランク付けモデルを訓練し、ユーザーペア間の相性スコアを予測する。
• 個々のツイートのアテンション重みを可視化することで説明可能性を実現し、予測に最も影響を与えた投稿がどのものであったかを明らかにする。

実験結果

リサーチクエスチョン

• RQ1 マッチングサイトからの相互的信号に依存せず、通常のソーシャルメディアのプロフィールからのテキストのみを用いて、長期的な恋愛関係の相性を効果的に推定できるか？
• RQ2 モデルは、ソーシャルメディアのコンテンツから、ユーザー属性（例：年齢層、性格）や潜在的特徴（例：感情、感情のトーン）をどの程度正確に推定できるか？
• RQ3 ユーザーのプロフィールに明示的なマッチング信号（例：共通の趣味や年齢層）がない状況でも、モデルの性能はどの程度維持されるか？
• RQ4 モデルの予測は、特定のツイートやユーザー行動を強調することで、意味的に説明可能か？
• RQ5 遠隔監視を用いてRSNから実世界のカップルを抽出することで、従来のDSNベースの手法と比較して、より頑健で汎用性の高い相性予測が得られるか？

主な発見

• COUPLENETは、100個のネガティブサンプルの中から1つのポジティブカップルペアをランク付けする際、HR@10で64％の精度を達成し、複数の機械学習およびディープラーニングベースラインを大きく上回った。
• モデルは、明示的に述べられていなくても、共通の趣味（例：学校行事、感情表現）を効果的に特定し、相性の重要な兆候として活用した。
• COUPLENETは、関係状態、感情のトーン、人口統計的特徴（例：高校、ホームカミング）といった情報が明示的に与えられていない状況でも、それらのユーザー属性を推定できた。
• 明示的なマッチング信号が欠落している状況でも、モデルは感情や性格といった潜在的特徴を学習・活用する能力を示し、高い性能を維持した。
• 結合アテンション機構により、各ユーザーの最も関連性の高いツイートをランク付けする解釈可能な結果が得られ、定性的な分析では人間の直感と整合性を示した。
• クラスの不均衡にもかかわらず、モデルは多様なユーザーのプロフィールにわたって良好に一般化しており、実世界のソーシャルメディアデータにおける頑健性を示した。