[論文レビュー] From Amateurs to Connoisseurs: Modeling the Evolution of User Expertise through Online Reviews

Julian McAuley, Jure Leskovec|arXiv (Cornell University)|Mar 18, 2013

Digital Marketing and Social Media参考文献 24被引用数 130

ひとこと要約

本稿では、経験に伴い単調に増加する関数としてユーザの熟練度をモデル化し、製品の評価を通じて個々のユーザの進化を学習する潜在要因レコメンデーションシステムを提案する。露出に伴い嗜好がどのように変化するかを捉えることで、モデルはレコメンデーションを向上させるとともに、ベーカリーのホップやワインの熟成など、熟練者だけが好む「 acquired tastes 」（獲得嗜好）を同定する。

ABSTRACT

Recommending products to consumers means not only understanding their tastes, but also understanding their level of experience. For example, it would be a mistake to recommend the iconic film Seven Samurai simply because a user enjoys other action movies; rather, we might conclude that they will eventually enjoy it -- once they are ready. The same is true for beers, wines, gourmet foods -- or any products where users have acquired tastes: the `best' products may not be the most `accessible'. Thus our goal in this paper is to recommend products that a user will enjoy now, while acknowledging that their tastes may have changed over time, and may change again in the future. We model how tastes change due to the very act of consuming more products -- in other words, as users become more experienced. We develop a latent factor recommendation system that explicitly accounts for each user's level of experience. We find that such a model not only leads to better recommendations, but also allows us to study the role of user experience and expertise on a novel dataset of fifteen million beer, wine, food, and movie reviews.

研究の動機と目的

• 既存のレコメンデーションシステムが、時間の経過に伴う個人の発達をモデル化できないという限界に対処すること。
• 製品の年齢やコミュニティのトレンドといった外部要因だけでなく、製品を消費すること自体が嗜好に与える影響を理解すること。
• 個々のユーザの経験レベルを明示的に考慮するレコメンデーションモデルを開発し、より良いパーソナライゼーションを実現すること。
• ビール、ワイン、食品、映画など多様な分野において、経験を積んだ後になおざらに好まれる「獲得嗜好」（acquired tastes）を発見・分析すること。
• オンラインコミュニティにおける初心者と熟練者レビュアーの言語的・行動的差異を調査すること。

提案手法

• 各ユーザが経験レベルを単調に非減少関数として持ち、評価ごとに増加する潜在要因モデルを導入し、個人の進化を捉える。
• 異なる経験レベルに対して別個の潜在要因を用いてユーザの好みをモデル化し、経験を積むにつれてユーザがシステム間を「進化」できることを可能にする。
• 経験レベルが時間とともに非減少であることを保証する制約付き最適化フレームワークを用い、現実のユーザ発達を反映する。
• RateBeer、MovieLens およびその他のソースからの1,500万件のレビューを含む大規模データセットを活用し、モデルの学習と検証を実施する。
• アイテムバイアス分析を用いて、初心者と熟練者の平均評価を比較し、獲得嗜好を同定する。
• 定性的および定量的分析を実施し、経験がレーティング行動におけるユーザ熟練度の意味的な代理指標であることを検証する。

実験結果

リサーチクエスチョン

• RQ1 ユーザ熟練度は時間とともにどのように変化するのか？ そして、経験の増加を単調増加関数としてモデル化できるか？
• RQ2 初心者と熟練者ユーザのレーティング行動にどのような差があるのか？ また、熟練者ほど極端な評価を下すのか？
• RQ3 ビール、ワイン、食品、映画などの異なる製品分野において、経験を積んだ後になおざらに好まれる「獲得嗜好」（acquired tastes）はどのような製品か？
• RQ4 ユーザ経験をモデル化することで、製品レベルやコミュニティレベルの時間的ダイナミクスをモデル化する従来の手法と比較して、レコメンデーション精度が向上するか？
• RQ5 オンラインレビューコミュニティにおいて、初心者と熟練者レビュアーの言語的およびレビュー作成行動にどのような差異があるか？

主な発見

• 熟練者ほど上位製品を高く、下位製品を低く評価する傾向があり、より極端だが一貫性のある好みを示している。
• ユーザ経験を考慮するモデルは、製品やコミュニティレベルの時間的ダイナミクスをモデル化する手法よりも優れた性能を示した。
• インペリアルスタウトやクアドルプルといった製品は熟練者に強く好まれるが、初心者には低評価になりやすく、獲得嗜好の兆候が明確に見られた。
• ホップ含有量の多いビール、例えばIPAは熟練者に高く評価されるが、初心者には好まれない傾向にあり、獲得嗜好の存在を裏付けた。
• モデルはユーザが個人的な経験のタイムラインを経て進化することを成功裏に同定した。同様の経験レベルに達したユーザは、時系列的経過に関係なく類似したレーティングパターンを示した。
• 熟練度はレーティングの正確さにのみ関連するのではなく、一貫性のある極端なレーティングパターンや、専門用語などの言語的特徴にも反映される。