[論文レビュー] Towards Personality-Aware Recommendation

Giorgio Roffo|arXiv (Cornell University)|Jul 18, 2016

Personality Traits and Psychology参考文献 14被引用数 4

ひとこと要約

本稿では、300件の実広告を120名のユーザーが評価した、公開可能な計算広告ベンチマークであるADSデータセットを紹介する。このデータセットには、5大性格特性とユーザーが提供した写真が付加されている。性格特徴を組み込むことで、広告評価予測（L2-SVRおよびLRにおけるRMSE低減）とクリック予測率予測（LR-B5を用いてAUCが51.9%から53.4%に向上）の両方で顕著な改善が示され、性格認識型レコメンデーションシステムの基盤が確立された。

ABSTRACT

In the last decade new ways of shopping online have increased the possibility of buying products and services more easily and faster than ever. In this new context, personality is a key determinant in the decision making of the consumer when shopping. The two main reasons are: firstly, a person's buying choices are influenced by psychological factors like impulsiveness, and secondly, some consumers may be more susceptible to making impulse purchases than others. To the best of our knowledge, the impact of personality factors on advertisements has been largely neglected at the level of recommender systems. This work proposes a highly innovative research which uses a personality perspective to determine the unique associations among the consumer's buying tendency and advert recommendations. As a matter of fact, the lack of a publicly available benchmark for computational advertising do not allow both the exploration of this intriguing research direction and the evaluation of state-of-the-art algorithms. We present the ADS Dataset, a publicly available benchmark for computational advertising enriched with Big-Five users' personality factors and 1,200 personal users' pictures. The proposed benchmark allows two main tasks: rating prediction over 300 real advertisements (i.e., Rich Media Ads, Image Ads, Text Ads) and click-through rate prediction. Moreover, this work carries out experiments, reviews various evaluation criteria used in the literature, and provides a library for each one of them within one integrated toolbox.

研究の動機と目的

• 性格認識型広告レコメンデーションのための公開可能なベンチマークの不足に対処すること。
• 性格特性がオンライン広告におけるユーザーの好みにどのように影響するかを調査すること。
• 性格情報を組み込んだレコメンデーションシステムをテストするための標準化されたデータセットと評価フレームワークを提供すること。
• 性格および感情的特徴を用いた計算広告における最先端アルゴリズムの体系的評価を可能にすること。

提案手法

• ADSデータセットは、120名の参加者が複数のフォーマット（リッチメディア、画像、テキスト広告）の300件の実広告を評価した制御されたユーザースタディにより収集された。
• 性格特性は、開放性、勤勉性、外向性、協調性、神経質性の5大性格次元を捉えるBFI-10アンケートを用いて測定された。
• データセットには、人口統計的データ、ユーザーの好み（ウェブサイト、音楽、テレビ番組、本、趣味）、および1,200枚のユーザーが提供した個人写真が含まれている。
• 特徴選択には、アフィニティグラフを用いて特徴間の関係をモデル化し、回帰タスクへの寄与度に基づいて最も関連性の高い75%の特徴を選択するInf-FS手法が用いられた。
• 性格特徴を含む・含まない両方の設定で、L2-SVR、ロジスティック回帰（LR）、SVR-rbfなどのベースラインモデルを訓練し、その影響を評価した。
• 標準的な評価メトリクス（RMSE、MSE、MAE）を用いた評価と、クリック予測（AUC、精度、再現率）の両方を統合した包括的な評価ライブラリが開発された。入出力フォーマットは一貫性を保った。

実験結果

リサーチクエスチョン

• RQ1 性格特性を組み込むことで、レコメンデーションシステムにおける広告評価予測の精度はどの程度向上するか？
• RQ2 ベースラインモデルと比較して、性格認識型特徴はクリックスルーレート予測のパフォーマンスを向上させることができるか？
• RQ3 性格認識型広告レコメンデーションシステムの評価において、AUC、精度、再現率などの異なる評価指標はどのように比較されるか？
• RQ4 広告参加度の予測において、性格特性と他のユーザー特徴（人口統計、好みなど）の相対的な寄与度はいかほどか？
• RQ5 標準化されたベンチマークは、計算広告分野における再現可能で比較可能な研究をどのように促進するか？

主な発見

• 5大性格特性を組み込むことで、広告評価タスクにおける予測パフォーマンスが顕著に向上し、L2-SVRでは有意差（p < 0.05）、ロジスティック回帰ではより強い有意差（p < 0.01）が確認された。
• LR-B5モデルはクリックスルーレート予測でAUC 53.4%を達成し、ベースラインのLRモデル（51.9%）を1.5ポイント上回った。
• 性格特徴の追加により、L2-SVRのAUCは50.5%から51.4%へ1.0%向上し、SVR-rbfでは48.3%から50.1%へ1.1%向上した。
• LR-B5モデルの精度と再現率はそれぞれ41.2%および52.1%に達し、好まれる広告をよりバランスよくレコメンドしていることが示された。
• Inf-FS手法により、特徴次元の削減が成功し、性格特徴やユーザー行動パターンを含む最も関連性の高い75%の特徴が選択された。
• 提案されたコードライブラリにより、広告評価およびクリック予測タスクの両方で、標準化されたメトリクスを用いた一貫性のある大規模評価が可能になった。