[論文レビュー] Liquid FM: Recommending Music through Viscous Democracy

Paolo Boldi, Corrado Monti+2 more|arXiv (Cornell University)|Mar 30, 2015

Complex Network Analysis Techniques参考文献 4被引用数 3

ひとこと要約

Liquid FM は、協調フィルタリングに代わって、ユーザーが他のユーザーに信頼を委任することで音楽推薦を行う「ねっとり民主主義」に基づく音楽推薦システムを提案する。フィルターバブルを回避するため、ユーザーが推薦者を意識的に選ぶことで、カツルト・セントラリティにインspiredされた重み付き投票メカニズムを用いて影響力を計算する。

ABSTRACT

Most modern recommendation systems use the approach of collaborative filtering: users that are believed to behave alike are used to produce recommendations. In this work we describe an application (Liquid FM) taking a completely different approach. Liquid FM is a music recommendation system that makes the user responsible for the recommended items. Suggestions are the result of a voting scheme, employing the idea of viscous democracy. Liquid FM can also be thought of as the first testbed for this voting system. In this paper we outline the design and architecture of the application, both from the theoretical and from the implementation viewpoints.

研究の動機と目的

• アルゴリズムが推薦の責任を負うのではなく、ユーザーが信頼を委任できるようにすることで、推薦システムをユーザー主導に転換すること。
• 特にソーシャルネットワークと音楽発見の文脈において、ねっとり民主主義フレームワークを実世界のアプリケーションに適用・検証すること。
• 従来の協調フィルタリング手法と比較して、ユーザー主導の信頼委任がフィルターバブルのリスクを低減するかどうかを評価すること。
• 実際のユーザーデータ収集を目的とした、Facebookベースの実用的アプリケーションを実装・デプロイすること。
• 実際の巨大なソーシャル推薦環境において、ねっとり民主主義のスケーラビリティと使いやすさを検討すること。

提案手法

• ユーザーは、自分のFacebookフレンドリストから1人の信頼できるフレンドを選び、特定の音楽ジャンルの推薦者として委任する。これにより、有向の委任グラフが形成される。
• 各ユーザーは最大3曲の好きな曲に投票し、ユーザーと曲の間で二部グラフとしての投票グラフを構築する。
• 信頼が委任チェーンに渡る際に減衰する減衰係数 α を用いて、カツルト・セントラリティにインspiredされた重み付き影響力スコアを、ねっとり民主主義アルゴリズムに基づき計算する。
• 曲 s の最終的な推薦スコアは、c(s) = k·p(s) + r(s) で計算され、間接的影響力（p(s)）と直接投票（r(s)）を組み合わせる。k は両者のバランスを最適化するためにキャリブレーションされる。
• システムは、計算済みの推薦スコアのキャッシュを高速化するために Redis を採用し、スケーラビリティを高めるために遅延読み込み（lazy loading）をサポートする。
• MusicBrainz との外部統合により、曲の正当性が保証され、自己更新型仮想マシンを介して高速かつローカルなデータベースアクセスが可能になる。

実験結果

リサーチクエスチョン

• RQ1 ねっとり民主主義は、実世界のソーシャルメディアアプリケーションにおいて、音楽推薦に効果的に実装可能か？
• RQ2 ねっとり民主主義におけるユーザー主導の信頼委任は、従来の協調フィルタリングと比較して、フィルターバブルのリスクを低減するか？
• RQ3 ねっとり民主主義モデルにおける減衰係数 α が、影響力の分布と推薦品質に与える影響は何か？
• RQ4 ユーザーが生成した委任および投票データをどれだけ活用して、意味的かつ多様な音楽推薦を生成できるか？
• RQ5 実際のソーシャルネットワークにおいて、ねっとり民主主義に基づく推薦システムをスケーリングする上で直面する実用的課題は何か？

主な発見

• Liquid FM システムは、ライブな Facebook アプリケーション上でねっとり民主主義を成功裏に実装し、推薦システムにおけるユーザーによる信頼委任の実現可能性を示した。
• 影響力伝播における減衰係数 α の使用により、長い委任チェーンを経由する間接的信頼が、遠く離れたユーザーによる過剰な影響を防ぐ。
• ハイブリッドスコアリングモデル c(s) = k·p(s) + r(s) は、直接投票と間接的影響力を効果的にバランスさせ、順位付けされた推薦リストを生成した。
• Redis を活用した計算済み推薦のキャッシュにより、応答速度が高速化され、スケーラビリティを高めるための遅延評価（lazy evaluation）をサポートした。
• 初期のデータ収集は進行中であり、現在の委任グラフには数十件の委任しか含まれていないため、信頼性のある評価を可能にするためにウイルス的成長が不可欠である。
• MusicBrainz との外部統合により、データ品質が保証され、曲の検証や照会に高速かつローカルなアクセスが可能な包括的な音楽データベースへのアクセスが可能になった。