[논문 리뷰] A Consensus-Focused Group Recommender System

Stratis Ioannidis, S. Muthukrishnan외 1명|arXiv (Cornell University)|2013. 12. 26.

Recommender Systems and Techniques참고 문헌 11인용 수 3

한 줄 요약

이 논문은 사회적 영향을 이면적 투표와 피드백을 통해 모델링함으로써 그룹 이벤트 추천을 향상시키는 공감대 중심의 그룹 추천 시스템을 제안한다. 의사결정 연쇄 모델을 도입하여 개인의 투표가 이전 그룹 결정에 어떻게 영향을 받는지 추정하며, 개별 선호도 모델보다 유의미하게 높은 예측 정확도(ROC-AUC 0.85 대비 0.61)를 달성한다.

ABSTRACT

In many cases, recommendations are consumed by groups of users rather than individuals. In this paper, we present a system which recommends social events to groups. The system helps groups to organize a joint activity and collectively select which activity to perform among several possible options. We also facilitate the consensus making, following the principle of group consensus decision making. Our system allows users to asynchronously vote, add and comment on alternatives. We observe social influence within groups through post-recommendation feedback during the group decision making process. We propose a decision cascading model and estimate such social influence, which can be used to improve the performance of group recommendation. We conduct experiments to measure the prediction performance of our model. The result shows that the model achieves better results than that of independent decision making model.

연구 동기 및 목표

• 그룹 결정 과정에서 후속 추천 피드백을 간과하는 그룹 추천 시스템의 격차를 해소하기 위해.
• 개인의 결정이 다른 이들의 이전 투표에 영향을 받는 그룹 공감대 형성 과정에서의 사회적 영향을 모델링하기 위해.
• 관측된 피드백과 투표 동적 특성을 의사결정 연쇄 모델에 통합하여 그룹 추천 정확도를 향상시키기 위해.
• 그룹 이벤트를 위한 이면적 투표, 댓글 기능, 동적 추천 업데이트를 지원하는 시스템을 설계하기 위해.
• 실세계 그룹 이벤트 데이터를 사용하여 사회적 영향이 예측 성능에 미치는 영향을 평가하기 위해.

제안 방법

• 각 사용자의 투표가 개인적 선호도와 이전 투표자들의 가중치 기반 영향에 따라 결정되는 의사결정 연쇄 모델을 사용한다.
• 모델은 확률적 수식을 사용한다: Pr(y_u,i=1) = 1 - (1-p(u|i)) * ∏(1-p(v|u)) (모든 v가 u 이전에 투표한 경우).
• 쌍별 영향도 p(v|u)와 개인 선호도 p(u|i)는 기하프로그래밍 설정을 사용한 최대우도 추정을 통해 산출된다.
• 개인 선호도를 알려진 상수로 간주하고 관측된 투표 순서에서 영향도 매개변수를 추정한다.
• 이면적 투표, 이벤트 생성, 친구 추천, 댓글 스레드를 지원하는 인터페이스를 통해 피드백을 수집한다.
• 유효한 확률 범위와 유사한 부등식 제약 조건을 만족시키는 기하프로그래밍을 사용해 매개변수 추정을 수행한다.

실험 결과

연구 질문

• RQ1 그룹 결정 과정에서의 사회적 영향은 그룹 추천에서 개인의 투표 행동에 어떤 영향을 미치는가?
• RQ2 순차적 투표 행동을 포착하는 의사결정 연쇄 모델은 개인 선호도 모델 대비 예측 정확도를 향상시킬 수 있는가?
• RQ3 관측된 후속 추천 피드백은 그룹 추천 시스템의 성능을 어느 정도 향상시키는가?
• RQ4 사회적 영향의 통합은 그룹 공감대 예측의 AUC와 정확도에 어떤 영향을 미치는가?
• RQ5 이면적 투표와 피드백은 그룹 이벤트 선택에서 공감대 형성에 어떤 영향을 미치는가?

주요 결과

• 영향 기반 의사결정 연쇄 모델은 테스트 세트에서 ROC-AUC 0.85를 달성하여 기준 로지스틱 회귀 모델(ROC-AUC 0.61)보다 유의미하게 뛰어난 성능을 보였다.
• 기준 모델 대비 더 높은 참양성분율(0.77 대비 0.52)과 더 나은 정확도(0.70 대비 0.65)를 기록하여 긍정적 투표 예측 능력이 향상됨을 시사했다.
• 거짓양성분율이 더 높았음(0.60 대비 0.35), 아마도 '좋아요' 또는 '싫어요' 투표를 하지 않은 유예 중인 사용자 존재로 인한 것으로 보인다.
• 277개의 그룹 이벤트에서 총 4,398개의 유효 투표를 확보하였으며, 평균 그룹 규모는 2, 4, 또는 8명이었고, 평균으로 19명의 개인이 54개의 이벤트에 참여하였다.
• 모델의 성능 향상은 다양한 그룹 규모에서 일관되게 유지되어 그룹 역학에 대한 강건성을 입증하였다.
• 기하프로그래밍 설정은 영향도 및 선호도 매개변수의 효율적이고 안정적인 추정을 가능하게 하였다.