[論文レビュー] The Decision-Theoretic Interactive Video Advisor

Hien Nguyen, Peter Haddawy|arXiv (Cornell University)|Jan 23, 2013

Recommender Systems and Techniques参考文献 9被引用数 18

ひとこと要約

本稿では、数値評価ではなくペアワイズ比較を通じてユーザーの好みをモデル化することで映画を推薦する意思決定理論的インタラクティブ動画アドバイスシステムDIVAを紹介する。確率的衝突ベースの類似性測度を用い、段階的なフィードバックにより推薦を精緻化し、各映画（EachMovie）データセット上で形式的な意思決定理論的好みの特定によるパーソナライズ化の向上を示している。

ABSTRACT

The need to help people choose among large numbers of items and to filter through large amounts of information has led to a flood of research in construction of personal recommendation agents. One of the central issues in constructing such agents is the representation and elicitation of user preferences or interests. This topic has long been studied in Decision Theory, but surprisingly little work in the area of recommender systems has made use of formal decision-theoretic techniques. This paper describes DIVA, a decision-theoretic agent for recommending movies that contains a number of novel features. DIVA represents user preferences using pairwise comparisons among items, rather than numeric ratings. It uses a novel similarity measure based on the concept of the probability of conflict between two orderings of items. The system has a rich representation of preference, distinguishing between a user's general taste in movies and his immediate interests. It takes an incremental approach to preference elicitation in which the user can provide feedback if not satisfied with the recommendation list. We empirically evaluate the performance of the system using the EachMovie collaborative filtering database.

研究の動機と目的

• 形式的な意思決定理論的手法を用いてレコメンデーションシステムにおけるユーザー好みの表現と同定を扱う。
• 一般の映画趣味と即時のユーザー関心を区別できるシステムを開発すること。
• ユーザーがフィードバックを提供することで推薦リストを精緻化できる段階的好みの特定を可能にすること。
• EachMovie協調フィルタリングデータセットを用いてシステムの性能を評価すること。
• 好みの順序間における確率的衝突測度を好みモデル化に用いる有効性を示すこと。

提案手法

• 数値評価の代わりに、映画同士のペアワイズ比較を通じてユーザー好みを表現する。
• 2つの好み順序間の衝突確率に基づく、新規の類似性測度を導入する。
• ユーザー好みを一般の嗜好と文脈に依存する関心の組み合わせとしてモデル化する。
• ユーザーが推薦リストを拒否または修正できるインタラクティブで段階的な同一定略戦略を採用する。
• ベイズ意思決定理論を用いて好みモデルを更新し、最適な推薦を選択する。
• 現在の好み推定に基づき、映画を推薦する際の期待効用を計算する確率的フレームワークを採用する。

実験結果

リサーチクエスチョン

• RQ1 ペアワイズ比較は、数値評価に比べて映画推薦におけるユーザー好みをどのようによりよく表現できるか？
• RQ2 ユーザー好み順序間の有効な確率的類似性測度とは何か？
• RQ3 インタラクティブな方法でユーザーのフィードバックを通じて、システムが推薦を動的に精緻化する方法は何か？
• RQ4 一般の嗜好と即時の関心を区別することで、推薦の正確性はどの程度向上するか？
• RQ5 意思決定理論的手法は、従来の協調フィルタリングに比べて好みの特定効率を向上させられるか？

主な発見

• 数値評価に依存するリスクを減らすためにペアワイズ比較による好みモデル化により、推薦の正確性が向上した。
• 衝突ベースの類似性測度は、ユーザー好み順序間の整合性の度合いを効果的に捉えており、より良い類似性推定を可能にした。
• 段階的なフィードバックは推薦品質を顕著に向上させ、システムが時間経過とともにユーザー固有の関心に適応できるようになった。
• 一般の嗜好と即時の関心の分離は、より正確で文脈に即した推薦をもたらした。
• EachMovieデータセットを用いた実験的評価により、意思決定理論的手法がベースライン手法に比べて好みの特定効率と推薦品質の両面で優れていることが確認された。
• 最小限のユーザー入力で安定したパフォーマンスを発揮したため、そのインタラクティブでフィードバック駆動の設計の有効性が示された。