[論文レビュー] Explainable Social Contextual Image Recommendation with Hierarchical Attention.

Le Wu, Yong Ge+5 more|arXiv (Cornell University)|Jun 3, 2018

Recommender Systems and Techniques参考文献 29被引用数 3

ひとこと要約

本稿では、データスパarsityを解消し、ユーザーの好みをユーザー-画像インタラクション、ソーシャル関係、画像コンテンツの3つの文脈的側面を用いてモデル化する、説明可能な社会的文脈付き画像推薦のための階層的アテンションモデルを提案する。異種データからキーモーメントを抽出するボトムアップアテンションと、側面の重要度を重み付けるトップダウンアテンションを適用することで、学習されたアテンションスコアを用いて推薦精度を向上させるとともに、解釈可能な説明を提供する。実世界のデータセットにおいて、既存手法を上回る性能を発揮する。

ABSTRACT

Image based social networks are among the most popular social networking services in recent years. With tremendous images uploaded everyday, understanding users' preferences to the user-generated images and recommending them to users have become an urgent need. However, this is a challenging task. On one hand, we have to overcome the extremely data sparsity issue in image recommendation. On the other hand, we have to model the complex aspects that influence users' preferences to these highly subjective content from the heterogeneous data. In this paper, we develop an explainable social contextual image recommendation model to simultaneously explain and predict users' preferences to images. Specifically, in addition to user interest modeling in the standard recommendation, we identify three key aspects that affect each user's preference on the social platform, where each aspect summarizes a contextual representation from the complex relationships between users and images. We design a hierarchical attention model in recommendation process given the three contextual aspects. Particularly, the bottom layered attention networks learn to select informative elements of each aspect from heterogeneous data, and the top layered attention network learns to score the aspect importance of the three identified aspects for each user. In this way, we could overcome the data sparsity issue by leveraging the social contextual aspects from heterogeneous data, and explain the underlying reasons for each user's behavior with the learned hierarchial attention scores. Extensive experimental results on real-world datasets clearly show the superiority of our proposed model.

研究の動機と目的

• ユーザーが生成する画像の高頻度かつ主観的な性質に起因する、画像推薦におけるデータスパarsityの課題に対処する。
• 画像ベースのソーシャルネットワークにおける、ソーシャル要因、コンテンツ要因、インタラクション要因が複合的に影響する、多様で不均一なユーザーの好みをモデル化する。
• ユーザーの好みを正確に予測するだけでなく、各予測に対して解釈可能な説明を提供する推薦システムを開発する。
• 推薦プロセスにソーシャルコンテキスト要因を統合し、性能と説明可能性を向上させる。

提案手法

• ユーザーの好みに影響を与える3つの主要なコンテキスト的側面（ユーザー-画像インタラクション、ソーシャル関係、画像コンテンツ表現）を特定する。
• 各コンテキスト的側面について、異種データから情報を得るためのボトムレイヤーのアテンションネットワークを適用する。
• 個々のユーザーに対して各コンテキスト的側面の重要度を動的にスコアリングするためのトップレイヤーのアテンションネットワークを用いる。
• すべての側面からのアテンションを反映した表現を統合し、パーソナライズドな画像推薦を生成する。
• ユーザーと画像の間のコンテキスト的関係を活用することで、階層的アテンションを用いてデータスパarsityを低減する。
• 推薦精度と説明の整合性を同時に最適化するため、モデルをエンドツーエンドで訓練する。

実験結果

リサーチクエスチョン

• RQ1 極度のデータスパarsity下でも、画像推薦システムにおけるユーザーの好みを効果的にモデル化する方法は何か？
• RQ2 ソーシャル画像プラットフォームにおいて、ユーザーの好みに顕著に影響を与える主要なコンテキスト的側面は何か？
• RQ3 階層的アテンション機構を用いることで、推薦性能の向上と解釈可能な説明の両方を達成する方法は何か？
• RQ4 ソーシャル、コンテンツ、インタラクションのコンテキストは、画像推薦におけるユーザーの好み予測にどの程度寄与するか？

主な発見

• 提案された階層的アテンションモデルは、実世界のデータセットにおいてベースライン手法を上回る優れた推薦性能を達成した。
• モデルは、ユーザーおよび画像データの異種表現を活用することで、データスパarsityを効果的に緩和した。
• トップレイヤーのアテンション機構は、個々のユーザーに対して最も関連性の高いコンテキスト的側面を的確に特定・重み付けし、解釈可能な予測を可能にした。
• ボトムレイヤーのアテンションネットワークは、各コンテキスト的側面から顕著な特徴を効果的に抽出し、表現品質を向上させた。
• 広範な実験により、本モデルは精度と解釈可能性の両面で、既存のアプローチを上回ることが確認された。
• 学習されたアテンションスコアは、特定の画像がなぜユーザーに推薦されたのかという理由について、意味のある洞察を提供し、透明性を向上させた。