[論文レビュー] Improving Recommendation Systems with User Personality Inferred from Product Reviews

Xinyuan Lu, Min‐Yen Kan|arXiv (Cornell University)|Mar 9, 2023

Personality Traits and PsychologyPsychology被引用数 3

ひとこと要約

本論文では、Receptiviti APIを用いてユーザーのOCEANパーソナリティ特徴（開放性、勤勉性、外向性、協調性、神経質性）を自動的に推定し、その推定プロファイルをニューラル協調フィルタリング（NCF）モデルに統合することで、推薦性能を向上させる手法を提案する。本手法は、2つの新しいデータセット（Amazon-beautyおよびAmazon-music）において、性能を3–28%向上させた。音楽推薦では開放性と外向性が最も有益であり、ビューティ製品推薦では勤勉性が最も効果的であった。

ABSTRACT

Personality is a psychological factor that reflects people's preferences, which in turn influences their decision-making. We hypothesize that accurate modeling of users' personalities improves recommendation systems' performance. However, acquiring such personality profiles is both sensitive and expensive. We address this problem by introducing a novel method to automatically extract personality profiles from public product review text. We then design and assess three context-aware recommendation architectures that leverage the profiles to test our hypothesis. Experiments on our two newly contributed personality datasets -- Amazon-beauty and Amazon-music -- validate our hypothesis, showing performance boosts of 3--28%.Our analysis uncovers that varying personality types contribute differently to recommendation performance: open and extroverted personalities are most helpful in music recommendation, while a conscientious personality is most helpful in beauty product recommendation.

研究の動機と目的

• 推薦システムにおいて、収集が困難で時間とコストがかかる、かつプライバシーに配慮が必要なユーザーのパーソナリティデータの課題に対処すること。
• ユーザー生成のレビュー本文が、パーソナリティ特徴を推定するための実用的でプライバシーを守るソースとして有効であるかを検討すること。
• 自動的に推定されたパーソナリティプロファイルが、実世界の推薦シナリオにおける推薦性能を向上させるかを評価すること。
• ビューティおよび音楽分野におけるAmazonレビューから推定されたパーソナリティスコアを含む、新しい公開可能なデータセットを構築すること。
• 異なる分野（例：音楽対ビューティ）における特定のパーソナリティ特徴（OCEAN）が推薦性能に与える影響の差異を分析すること。

提案手法

• ユーザー生成の製品レビューから、OCEANパーソナリティスコア（開放性、勤勉性、外向性、協調性、神経質性）を自動的に推定するために、Receptiviti APIを活用した。
• Amazonレビュー・データセットを拡張し、推定されたパーソナリティプロファイルを追加することで、2つの新しいデータセット（Amazon-beautyおよびAmazon-music）を構築した。
• パーソナリティ埋め込みをニューラル協調フィルタリング（NCF）フレームワークに統合する3つのコンテキスト対応型推薦アーキテクチャを設計した。
• パーソナリティスコアを補助的ユーザー特徴としてモデルに組み込むために、ソフトラベル戦略を用いた。
• Hit Rate（HR）および正規化済みディスcount累積利得（NDCG）といった標準的な指標を用いて、複数の設定下で性能を評価した。
• アブレーションスタディおよび分野別分析を用いて、個々のパーソナリティ特徴が推薦性能にどの程度寄与しているかを分析した。

Figure 1 . The overall structure of our model. In this example, the user’s OCEAN score is {30,70,50,30,20}. The NCF + Most salient personality selects the personality with the highest score, i.e., conscientiousness as the personality embedding vector. NCF + Soft-labeled personality takes all five OC

実験結果

リサーチクエスチョン

• RQ1 商用NLP APIを用いて、製品レビュー本文からユーザーのパーソナリティ特徴を正確に推定できるか？
• RQ2 推定されたパーソナリティプロファイルを統合することで、推薦システムの性能がどの程度向上するか？
• RQ3 異なるパーソナリティ特徴（OCEAN）が、分野ごとの推薦性能にどのように異なる影響を及ぼすか（例：音楽対ビューティ）？
• RQ4 OCEANのような粗い粒度のパーソナリティモデルが推薦システムにおいて抱える限界は何か？
• RQ5 レビューデータにおけるパーソナリティ分布の不均衡（例：外向性の過剰表現）が、モデルの一般化性能に与える影響は何か？

主な発見

• 製品レビューから推定されたパーソナリティプロファイルは、データセット全体で3%～28%の性能向上を顕著に実現した。
• 音楽分野では、開放性と外向性が最も影響力が大きく、特に外向性が推薦品質に最も強い正の影響を示した。
• ビューティ分野では、勤勉性が最も有益なパーソナリティ特徴として浮き彫りになり、推薦性能を顕著に向上させた。
• 協調性も音楽推薦において肯定的な寄与を示したが、開放性や外向性ほど顕著ではなかった。
• 神経質性と開放性は、両分野において最小限または無視できる影響しか示さず、現在の設定下では信号としての有効性が限定的であることが示された。
• 本研究では、レビュー作成行動の性質に起因して外向性が過剰に表現されている可能性のあるバイアスが特定された。今後の研究では、購入履歴などの代替データソースの活用が求められる。

Figure 2 . Distribution of personality traits in Amazon-beauty and Amazon-music datasets. The x-axis represents the score for each trait; the y-axis represents the number of users. The red line represents the median for each trait.