[論文レビュー] Do Social Explanations Work? Studying and Modeling the Effects of Social Explanations in Recommender Systems

Amit Sharma, Dan Cosley|arXiv (Cornell University)|Apr 11, 2013

Recommender Systems and Techniques参考文献 19被引用数 35

ひとこと要約

本稿は、音楽推薦システムにおける『X人の友達がこれを好き』のような社会的説明が、ユーザーの意思決定にどのように影響するかを調査する。社会的影響と内発的好みの相互作用を捉える生成的確率モデルを提案し、社会的説明は初期の関心を高めるが、実際の聴取ベースの評価とは低い相関を示すことが判明。これは、説得的ではあるが情報的ではないことを示している。

ABSTRACT

Recommender systems associated with social networks often use social explanations (e.g. "X, Y and 2 friends like this") to support the recommendations. We present a study of the effects of these social explanations in a music recommendation context. We start with an experiment with 237 users, in which we show explanations with varying levels of social information and analyze their effect on users' decisions. We distinguish between two key decisions: the likelihood of checking out the recommended artist, and the actual rating of the artist based on listening to several songs. We find that while the explanations do have some influence on the likelihood, there is little correlation between the likelihood and actual (listening) rating for the same artist. Based on these insights, we present a generative probabilistic model that explains the interplay between explanations and background information on music preferences, and how that leads to a final likelihood rating for an artist. Acknowledging the impact of explanations, we discuss a general recommendation framework that models external informational elements in the recommendation interface, in addition to inherent preferences of users.

研究の動機と目的

• 音楽推薦の文脈において、社会的説明がユーザーの意思決定にどのように影響するかを理解すること。
• 聴取前の初期関心（チェックアウトの可能性）と、音楽を聴いた後の実際の評価との間に、社会的説明が及ぼす影響を区別すること。
• 推薦結果を形成する社会的影響とユーザーの内発的好みの相互作用をモデル化すること。
• 外部の情報的要素（例：社会的証明）を推薦システムに統合できる汎用的フレームワークを構築すること。
• 社会的説明が推薦インターフェースにおけるプライバシー、信頼、ユーザーのコントロールに与える影響を検討すること。

提案手法

• 237名の参加者を対象にユーザースタディを実施。友達の数や特定の友達の名前を含む、さまざまな社会的説明を伴った音楽推薦を提示した。
• 2つの主要なアウトカムを測定した：(1) 音楽を聴く前における推奨アーティストのチェックアウト可能性、(2) 数曲を聴いた後の実際の評価。
• 社会的情報と内発的好みが、評価の可能性にどのように共同で影響を与えるかを説明する生成的確率モデルを提案した。
• 定性的なユーザーコメントを用いて、社会的説明の解釈に多様な戦略が存在することを特定。これにより、パーソナライズの必要性が裏付けられた。
• チェックアウト可能性評価と消費後の評価の相関を分析し、説明が説得的か、情報的かを評価した。
• ユーザーの好みに加え、外部のインターフェース要因（例：社会的証明）を明示的にモデル化する推薦フレームワークを開発した。

実験結果

リサーチクエスチョン

• RQ1 異なる種類の社会的説明は、ユーザーの推奨アーティストのチェックアウト可能性にどのように影響するか？
• RQ2 社会的説明は、音楽を聴いた後のユーザー評価にどの程度影響を及ぼすか？
• RQ3 同じアーティストについて、ユーザーの初期のチェックアウト可能性評価と、消費後の評価との間に相関があるか？
• RQ4 ユーザーは社会的説明をどのように解釈し、意味づけているのか？また、その解釈は個人差があるか？
• RQ5 生成的モデルは、社会的説明と内発的好みの併合的影響を効果的に捉えられるか？

主な発見

• 社会的説明は、ユーザーが推奨アーティストをチェックアウトする可能性を顕著に高めるが、その効果はユーザー自身のアーティストに対する内発的期待値に比べて二次的である。
• チェックアウト可能性評価と、同じアーティストの実際の聴取ベースの評価との間に低い相関（明示的数値は提示されないが、「低さ」と記述）が認められ、社会的説明は説得的ではあるが情報的ではないことが示された。
• 信頼できる、音楽趣味が似た友達の影響は大きいが、未知の人物や趣味が合わない人物の影響は、推薦の説得力を低下させる。
• ユーザーは社会的説明の解釈に多様な戦略を用いるため、説明のパーソナライズ化が効果を高める可能性がある。
• 生成的モデルは、社会的影響と内発的好みを統合することで、チェックアウト可能性評価の有意な変動をうまく説明できた。
• プライバシー懸念は存在したが、支配的ではなかった。多くのユーザーが、特に音楽分野においては社会的説明を許容的と感じたが、一部のユーザーは、好みを文脈的に誤解を招く形で表現することに不快感を示した。