[論文レビュー] Reciprocal Recommendation System for Online Dating

Peng Xia, Benyuan Liu+2 more|arXiv (Cornell University)|Jan 26, 2015

Sexuality, Behavior, and Technology参考文献 3被引用数 6

ひとこと要約

本稿は、ユーザーの通信パターンをモデル化することで相互の関心や魅力を評価し、マッチングを向上させるオンライン交際向けの相互推薦システムを提案する。メッセージ送信・受信行動に基づく類似性指標を導入し、協調フィルタリングを用いて相性の良いパートナーをランク付けする。協調フィルタリングベースの手法は、コンテンツベースの手法と比較して精度と再現率において顕著に優れており、性別に応じた行動の違いが観察された。

ABSTRACT

Online dating sites have become popular platforms for people to look for potential romantic partners. Different from traditional user-item recommendations where the goal is to match items (e.g., books, videos, etc) with a user's interests, a recommendation system for online dating aims to match people who are mutually interested in and likely to communicate with each other. We introduce similarity measures that capture the unique features and characteristics of the online dating network, for example, the interest similarity between two users if they send messages to same users, and attractiveness similarity if they receive messages from same users. A reciprocal score that measures the compatibility between a user and each potential dating candidate is computed and the recommendation list is generated to include users with top scores. The performance of our proposed recommendation system is evaluated on a real-world dataset from a major online dating site in China. The results show that our recommendation algorithms significantly outperform previously proposed approaches, and the collaborative filtering-based algorithms achieve much better performance than content-based algorithms in both precision and recall. Our results also reveal interesting behavioral difference between male and female users when it comes to looking for potential dates. In particular, males tend to be focused on their own interest and oblivious towards their attractiveness to potential dates, while females are more conscientious to their own attractiveness to the other side of the line.

研究の動機と目的

• オンライン交際プラットフォームにおいて、相互の関心と相互連絡の可能性があるユーザーをマッチングする推薦システムを設計すること。
• 従来のソーシャルネットワークの友達推薦手法が適用できない、二部グラフ的かつ性別制限付きの交際ネットワークという独自の課題に対処すること。
• コンテンツベース手法と協調フィルタリング手法の両方が、相互のメッセージ送信行動を予測する上でどれほど有効であるかを評価すること。
• 特に自分自身の魅力に対する自己認識や、他者からの関心の有無に関する性別差を明らかにすること。

提案手法

• 共通のメッセージ送信パターン（関心類似性）と共通のメッセージ受信パターン（魅力類似性）に基づく、相互適合スコアを提案する。
• サービス利用者が連絡を取ったユーザーの属性を用いて、ユーザーの好みモデルを構築する。
• 関心類似性と魅力類似性を組み合わせた協調フィルタリングアルゴリズム（CF1～CF4）を用い、潜在的なパートナーをランク付けする。
• 年齢、教育水準、収入などのユーザー属性に基づくコンテンツベースのアルゴリズム（CB1、CB2）を用いて性能を比較する。
• メッセージ交換を予測するユーザー属性の判別力の強さを評価するために、バタチャリヤ距離を適用する。
• R-PrecisionとR-Recallの指標を用いて性能を評価し、順位付けの質を評価するための平均効果的推薦位置を分析する。

実験結果

リサーチクエスチョン

• RQ1 ユーザーの通信トレースは、オンライン交際の推薦において、相互の関心と魅力をどのようにモデル化できるか？
• RQ2 協調フィルタリングベースのアルゴリズムは、コンテンツベースの手法と比較して、相互のメッセージ送信および適合性を予測する上でどれほど優れているか？
• RQ3 オンライン交際における性別に応じた行動パターン、特に自分自身の魅力に対する認識や他者からの関心の有無に関する特徴は何か？
• RQ4 年齢、教育水準、婚姻状態といったユーザー属性は、メッセージ交換行動をどれほど正確に予測できるか？

主な発見

• 協調フィルタリングベースのアルゴリズム（CF3およびCF4）は、精度と再現率の両面でコンテンツベースの手法を顕著に上回り、CF3が最高の性能を示した。
• CF3アルゴリズムは、関心類似性と魅力類似性の両方を捉えているが、男性ユーザーに対しては関連する推薦をリストの上位30–50％にランク付けできる一方、女性ユーザーに対しては半分の位置にとどまる。
• コンテンツベースのアルゴリズムは、メッセージ受信者の属性分布と全ユーザーの属性分布との間でバタチャリヤ距離が小さく、判別力が低いことから、性能が低い。
• 男性は自分の関心に注力しており、魅力に対する自覚が薄いのに対し、女性は自分の魅力に対する認識が強く、他者からの関心の有無にも注意を向ける。
• ユーザーの通信トレース（だれがだれにメッセージを送ったか）は、しばしば述べられた好みとは異なる実際の交際の好みを反映しており、モデリングにおいて極めて重要である。