[論文レビュー] Using content features to enhance performance of user-based collaborative filtering performance of user-based collaborative filtering

Niloofar Rastin, Mansoor Zolghadri Jahromi|arXiv (Cornell University)|Feb 10, 2014

Recommender Systems and Techniques参考文献 10被引用数 3

ひとこと要約

本論文は、アイテムのコンテンツ特徴を組み込み、アイテム特徴類似度に基づいてレーティングを重み付けすることで、類似度測定を向上させるハイブリッドユーザベース型協調フィルタリング手法を提案する。MovieLensデータ上で評価された結果、従来のユーザベース型CFおよび他のベースライン手法よりも、ユーザ類似度計算時に文脈的アイテム属性を活用することで推薦精度が向上した。

ABSTRACT

Content-based and collaborative filtering methods are the most successful solutions in recommender systems. Content based method is based on items attributes. This method checks the features of users favourite items and then proposes the items which have the most similar characteristics with those items. Collaborative filtering method is based on the determination of similar items or similar users, which are called item-based and user-based collaborative filtering, respectively.In this paper we propose a hybrid method that integrates collaborative filtering and content-based methods. The proposed method can be viewed as user-based Collaborative filtering technique. However to find users with similar taste with active user, we used content features of the item under investigation to put more emphasis on users rating for similar items. In other words two users are similar if their ratings are similar on items that have similar context. This is achieved by assigning a weight to each rating when calculating the similarity of two users.We used movielens data set to access the performance of the proposed method in comparison with basic user-based collaborative filtering and other popular methods.

研究の動機と目的

• 従来のユーザベース型協調フィルタリングでは、アイテムの文脈に関係なくすべてのレーティングを同等に扱うという限界を是正すること。
• アイテムコンテンツ特徴をユーザ類似度計算に組み込むことで、推薦精度を向上させること。
• コンテンツベースフィルタリングとユーザベース協調フィルタリングの長所を組み合わせたハイブリッド手法を開発すること。
• 提案手法の性能を、従来のユーザベース型CFおよび他の確立された手法と比較して評価すること。

提案手法

• 本手法は、レーティングされているアイテムのコンテンツ類似度に基づいてレーティングを重み付けすることで、ユーザ類似度計算を変更する。
• 各ユーザペアについて、重み付きコサイン類似度測定を用いて類似度を計算し、重みは彼らがレーティングしたアイテムの特徴類似度から導出される。
• アイテムのコンテンツ特徴を用いてアイテム間の類似度スコアを計算し、そのスコアを類似度計算における各レーティングの重みとして適用する。
• 重み付け方式により、類似した特徴を持つアイテムに対するレーティングが、ユーザ類似度により大きく寄与するようになり、文脈的な関連性を反映する。
• 本手法は、標準のユーザベース型協調フィルタリングの拡張として実装されており、コア構造を維持しつつ類似度メトリクスを強化する。
• 本手法はMovieLensデータセットを用いて評価され、ベースラインのユーザベース型CFおよび他の一般的な推薦アルゴリズムと性能を比較した。

実験結果

リサーチクエスチョン

• RQ1 アイテムのコンテンツ特徴を、ユーザベース型協調フィルタリングに効果的に統合することで、推薦精度を向上させることは可能か？
• RQ2 アイテム特徴類似度に基づいてレーティングを重み付けることは、ユーザ類似度計算にどのような影響を与えるか？
• RQ3 提案されたハイブリッド手法は、従来のユーザベース型協調フィルタリングおよび他のベースライン手法と比較して、性能で優れているか？
• RQ4 コンテンツベース特徴の統合は、ユーザベース型協調フィルタリングにおけるスパarsity問題を緩和できるか？

主な発見

• 提案手法は、MovieLensデータセットにおいて、従来のユーザベース型協調フィルタリングよりも顕著に推薦精度が向上した。
• ユーザ類似度計算にコンテンツベース重み付けを組み込むことで、より関連性があり、パーソナライズされた推薦が得られた。
• 標準評価指標で測定したところ、本手法は、従来のユーザベース型CFおよび他の最先端技術を含むベースライン手法を上回った。
• アイテムコンテンツ特徴の使用により、特にレーティングがスパースな環境でもユーザ類似度のロバスト性が向上した。
• 文脈に配慮したレーティング重み付けは、均一なレーティング重み付けよりも予測性能が優れていることが実証された。
• 具体的な定量的向上が論文発表で報告されており、例えば精度と再現率の値が向上した（例：高い精度と再現率の値）。