[論文レビュー] User Modeling and User Profiling: A Comprehensive Survey

Erasmo Purificato, Ludovico Boratto+1 more|arXiv (Cornell University)|Feb 15, 2024

Human Mobility and Location-Based Analysis被引用数 8

ひとこと要約

本論文は、ユーザー モデリングとプロファイリングの進化、分類、将来の方向性を概観し、暗黙的データ、グラフベースの手法、プライバシー、説明可能性、倫理といった動向を強調します。

ABSTRACT

The integration of artificial intelligence (AI) into daily life, particularly through information retrieval and recommender systems, has necessitated advanced user modeling and profiling techniques to deliver personalized experiences. These techniques aim to construct accurate user representations based on the rich amounts of data generated through interactions with these systems. This paper presents a comprehensive survey of the current state, evolution, and future directions of user modeling and profiling research. We provide a historical overview, tracing the development from early stereotype models to the latest deep learning techniques, and propose a novel taxonomy that encompasses all active topics in this research area, including recent trends. Our survey highlights the paradigm shifts towards more sophisticated user profiling methods, emphasizing implicit data collection, multi-behavior modeling, and the integration of graph data structures. We also address the critical need for privacy-preserving techniques and the push towards explainability and fairness in user modeling approaches. By examining the definitions of core terminology, we aim to clarify ambiguities and foster a clearer understanding of the field by proposing two novel encyclopedic definitions of the main terms. Furthermore, we explore the application of user modeling in various domains, such as fake news detection, cybersecurity, and personalized education. This survey serves as a comprehensive resource for researchers and practitioners, offering insights into the evolution of user modeling and profiling and guiding the development of more personalized, ethical, and effective AI systems.

研究の動機と目的

• 初期モデルから現代の手法まで、ユーザーモデリングとプロファイリングの発展の歴史的概観を提供する。
• この分野の活発なトピックと最近の傾向を包含する新しい分類法を提案する。
• 暗黙データ収集、マルチビヘイビアモデリング、グラフベース表現へのパラダイムシフトを強調する。
• プライバシー保護手法、説明可能性、透明性、公平性をユーザーモデリングにおいて検討する。
• 偽情報検出、サイバーセキュリティ、パーソナライズされた教育など、複数の領域での応用を探る。

提案手法

• ステレオタイプベースのモデルから深層学習ベースのユーザーモデルへの進化をたどる文献総説。
• コア用語の新しい百科事典的定義フレームワークを提案して曖昧さを低減する。
• 連合型ユーザーモデリングを含むプライバシー保護アプローチや解釈可能性の高いモデルについて論じる。
• 人間中心で包摂的な設計を導くための倫理的配慮と公平性を検討する。

Figure 1: Timeline reporting the major events of the user modeling and profiling history.

実験結果

リサーチクエスチョン

• RQ1 ユーザーモデリングとプロファイリング techniquesの歴史的推移はどのようで、どのように進化してきたか。
• RQ2 現在の活発なトピックは何で、それを包括的な分類法へどう整理すべきか。
• RQ3 プライバシー、説明可能性、公平性の考慮は現代のユーザーモデリング手法をどのように形作っているか。
• RQ4 ユーザーモデリング手法が適用されている領域はどこで、今後の研究方向は何か。

主な発見

• 初期のステレオタイプモデルから、暗黙データ収集やマルチビヘイビアモデリングを含む高度なプロファイリング手法へと移行している。
• グラフデータ構造、プラットフォーム横断モデル、マルチモーダルデータが、ユーザー表現を強化するためにますます用いられている。
• プライバシー保護技術と連合学習が、パーソナライズとプライバシーのバランスを取る上で重要性を増している。
• 説明可能性と公平性が、透明性を高め偏りを減らすために、ユーザーモデリングの中心的な設計目標になっている。
• この分野は偽情報検出、サイバーセキュリティ、パーソナライズ教育など、広範な応用を含む。

Figure 2: Taxonomy of the reviewed literature and trends for user modeling. The Modeling techniques tree is detailed in Figure 3 .