[論文レビュー] Personalized Recommender System for Children's Book Recommendation with A Realtime Interactive Robot

Yun Liu, Tianmeng Gao+2 more|arXiv (Cornell University)|Oct 1, 2017

Recommender Systems and Techniques参考文献 34被引用数 8

ひとこと要約

本稿では、リアルタイム対話型ロボットと統合された、個人化された子ども向け図書推薦システムを提案する。逆フィルタリングを用いた効率的検索、ベイズネットワークによるユーザーの関心予測、および子供の曖昧な言語の意味的理解を向上させるためにドメイン特化型の同義語連携（word2vecを用いて）を採用する。本システムは、より高い推薦精度を達成するとともに、リソース制約のある組み込みデバイスでも効率的に動作する。

ABSTRACT

In this paper we study the personalized book recommender system in a child-robot interactive environment. Firstly, we propose a novel text search algorithm using an inverse filtering mechanism that improves the efficiency. Secondly, we propose a user interest prediction method based on the Bayesian network and a novel feedback mechanism. According to children's fuzzy language input, the proposed method gives the predicted interests. Thirdly, the domain specific synonym association is proposed based on word vectorization, in order to improve the understanding of user intention. Experimental results show that the proposed recommender system has an improved performance and it can operate on embedded consumer devices with limited computational resources.

研究の動機と目的

• 子供が限られた語彙や曖昧な表現を用いて自然に発話する状況において、リアルタイムで対話可能なロボット環境で図書を効果的に推薦する課題に対処すること。
• ユーザーの関心予測を入力の曖昧さや多様性と統合することで、検索の効率性と正確性を向上させること。
• 一般に消費者ロボティクスで使用されるリソースが限られた組み込みデバイスでも、効果的な推薦を実現すること。
• ドメイン特化型の同義語連携を用いて、ユーザーが入力するキーワード（例：「学校帰りの楽しいゲーム」）と図書メタデータ（例：「ピンポンの物語」）との間の意味的ギャップを埋めること。
• 静的プロファイルに依存するのではなく、対話による動的なユーザー関心のモデリングにより、パーソナライゼーションを強化すること。

提案手法

• ラベルベースのアイテム検索を高速化するための逆フィルタリング機構を提案し、リアルタイムシステムにおける効率性を向上させる。
• 対話履歴と入力からユーザー関心を予測するベイズネットワークを採用し、図書推薦のパーソナライズドランク付けを実現する。
• ユーザー入力を意味的に関連する図書ラベルにマッピングするために、事前学習済みword2vec埋め込みを用いたドメイン特化型同義語連携（DSSA）を導入する。
• 子ども向け図書のコンテンツおよび関連ニュースコーパスを微調整して学習した、ファインチューニング済みword2vecモデルを用い、ユーザークエリと図書メタデータの意味的整合性を向上させる。
• 単語ベクトル化を活用して、ユーザーの関心表現と図書ラベル間の意味的距離を計算し、文脈に応じた推薦を可能にする。
• ユーザーの反応に基づいて予測を精緻化するフィードバック機構を設計し、長期的なパーソナライゼーションを向上させる。

実験結果

リサーチクエスチョン

• RQ1 限られた語彙と曖昧な表現を用いる子供からの自然言語クエリを、どのように効率的に処理できるか。
• RQ2 ベイズネットワークは、子供とロボットの対話環境において、ユーザー関心予測をどの程度改善できるか。
• RQ3 word2vecを用いたドメイン特化型同義語連携は、ユーザー入力と図書メタデータとの意味的整合性を顕著に向上させられるか。
• RQ4 逆フィルタリングと意味理解の統合は、組み込みデバイス上での推薦パフォーマンスをどのように向上させるか。
• RQ5 複数ラウンドの対話は、子ども向け図書推薦における意図および関心予測の正確性にどのような影響を与えるか。

主な発見

• 提案された逆フィルタリング機構により、リアルタイムシステムにおけるラベルベースのアイテム検索の効率が顕著に向上した。
• ベイズネットワークに基づくユーザー関心予測モデルは、短く曖昧な言語入力から子供の好みを効果的に推定できた。
• word2vecを用いたドメイン特化型同義語連携（DSSA）は、一般向けの同義語マッピングを上回り、より正確で関連性の高い推薦を実現した。
• 単語ベクトル化による意味理解の統合により、ユーザーの表現「学校帰りの楽しいゲーム」を「ピンポンの物語」など関連する本に効果的にマッチングできるようになった。
• 全体としての推薦システムは、計算リソースが限られた組み込み消費者デバイスでも、高い正確性と効率性を達成し、正常に動作した。
• 従来のキーワードベースのアプローチと比較して、ユーザー入力と図書メタデータの意味的ギャップをより効果的に処理する能力が向上した。