[論文レビュー] Recommendation Systems for Tourism Based on Social Networks: A Survey

Alan Menk, Laura Sebastiá+1 more|arXiv (Cornell University)|Mar 28, 2019

Recommender Systems and Techniques参考文献 53被引用数 11

ひとこと要約

本調査は、ソーシャルネットワークデータを活用してパーソナライゼーション、正確性、ユーザー満足度を向上させる観光推薦システムをレビューする。ソーシャルメディアデータ（ユーザーの好み、社会的つながり、推定された性格特性を含む）を分析することで、主な技術、評価手法、研究上のギャップを特定し、快適さと関連性を高めるために心理的プロファイリングの統合を提唱する。

ABSTRACT

Nowadays, recommender systems are present in many daily activities such as online shopping, browsing social networks, etc. Given the rising demand for reinvigoration of the tourist industry through information technology, recommenders have been included into tourism websites such as Expedia, Booking or Tripadvisor, among others. Furthermore, the amount of scientific papers related to recommender systems for tourism is on solid and continuous growth since 2004. Much of this growth is due to social networks that, besides to offer researchers the possibility of using a great mass of available and constantly updated data, they also enable the recommendation systems to become more personalised, effective and natural. This paper reviews and analyses many research publications focusing on tourism recommender systems that use social networks in their projects. We detail their main characteristics, like which social networks are exploited, which data is extracted, the applied recommendation techniques, the methods of evaluation, etc. Through a comprehensive literature review, we aim to collaborate with the future recommender systems, by giving some clear classifications and descriptions of the current tourism recommender systems.

研究の動機と目的

• ソーシャルネットワークデータを活用してパーソナライゼーションと正確性を向上させる既存の観光レコメンデーションシステムを分析・分類すること。
• 観光RS研究において最も一般的に使用されているソーシャルネットワーク、データタイプ、レコメンデーション技術を特定すること。
• 標準化された指標を用いた評価を通じて、これらのシステムの有効性を評価し、現在のアプローチにおける制限を強調すること。
• ソーシャルメディア行動から導出されるユーザーの性格特性をレコメンデーションモデルに統合する可能性を検討し、快適さとユーザー満足度を向上させること。
• 今後の研究のためのロードマップを提示し、観光レコメンデーションシステムにおける性格プロファイリングの未開拓な活用に焦点を当てる。

提案手法

• 2004年以降の、ソーシャルネットワークに基づく観光レコメンデーションシステムに関する査読付き論文の包括的文献レビューを実施すること。
• 使用されたソーシャルネットワーク（例：Facebook、Twitter、Foursquare）、データソース（例：チェックイン、いいね、ステータス更新）、データタイプ（明示的フィードバック対暗黙的フィードバック）に基づいてシステムを分類すること。
• 協調フィルタリング、コンテンツベースフィルタリング、ハイブリッド手法、コンテキストに配慮したフィルタリングを含む、採用されたレコメンデーション技術を分析すること。
• 精度、再現率、RMSE、MAEといった標準的指標を用いてシステムを評価し、実ユーザーのフィードバックと現実世界の実験に特に注目すること。
• ソーシャルメディア行動から推定される心理的プロファイリング（例：オーソドックスな5大性格特性）の統合を調査し、レコメンデーションの多様性と快適さを向上させること。
• ソーシャルネットワークデータと性格ベースのモデリングを組み合わせることで、パーソナライゼーションとユーザー参加を高めるためのフレームワークを提言すること。

実験結果

リサーチクエスチョン

• RQ1 観光レコメンデーションシステムにおいて、最も頻繁にデータソースとして使用されるソーシャルネットワークはどれか？
• RQ2 ユーザーの好み（例：いいね、チェックイン、ステータス更新）の中で、レコメンデーションの正確性を向上させるために最も効果的なものは何か？
• RQ3 協調フィルタリングやハイブリッドモデルなどの異なるレコメンデーション技術が、ソーシャルネットワークデータ上で訓練された場合、どのように性能を発揮するか？
• RQ4 ソーシャルメディアから推定されるユーザーの性格特性は、レコメンデーションの質と快適さをどの程度向上させられるか？
• RQ5 実ユーザーとオフラインベンチマークの両方を用いた観光レコメンデーションシステムの評価において、主な課題と制限は何か？

主な発見

• Facebook、Twitter、Foursquareなどのソーシャルネットワークが、観光レコメンデーションシステムの主なデータソースであり、暗黙のユーザー行動の豊富なストリームを提供している。
• ソーシャルネットワークデータの統合により、暗黙のデータ収集が可能になり、コールドスタート問題の緩和も含め、レコメンデーションの正確性とパーソナライゼーションが顕著に向上する。
• 特にオーソドックスな5大性格特性のような心理的理論を用いた、ソーシャルメディアコンテンツからの性格推定は、レコメンデーションの快適さと新規性を高める強力な可能性を示している。
• 実ユーザーを対象としたフィールド評価は、レコメンデーションの質を評価する上で不可欠であり、オフライン指標だけではユーザー固有の満足度や文脈的な関連性を捉えることはできない。
• 急速な関心の高まりにもかかわらず、現在の観光レコメンデーションシステムの多くは性格プロファイリングを統合していないため、今後の研究における顕著なギャップと機会である。
• Diaspora や OSSN のようなオープンソースのソーシャルネットワークの使用は、倫理的なデータアクセスとユーザー参加を可能にし、より現実的でユーザー中心のシステムテストを支援する。