[논문 리뷰] Diversifying Music Recommendations

Houssam Nassif, Kemal Oral Cansizlar외 2명|arXiv (Cornell University)|2018. 10. 02.

Music and Audio Processing참고 문헌 12인용 수 8

한 줄 요약

이 논문은 아마존 뮤직에서 음악 추천의 다양성을 높이기 위해 서브모듈라 최적화 방법을 제안하며, 항목의 관련성 점수와 카테고리 기반 다양성을 통합하여 사용자 참여도를 향상시킨다. 제카드 스왑 방법과 달리, 서브모듈라 방법은 균일하게 다양하고 관련성이 높은 추천을 보장하여 기준 대비 통계적으로 유의미한 0.64% 증가한 스트리밍 분량을 기록한다.

ABSTRACT

We compare submodular and Jaccard methods to diversify Amazon Music recommendations. Submodularity significantly improves recommendation quality and user engagement. Unlike the Jaccard method, our submodular approach incorporates item relevance score within its optimization function, and produces a relevant and uniformly diverse set.

연구 동기 및 목표

• 음악 스트리밍에서 유사한 곡들이 같은 앨범이나 장르에서 묶여서 반복적으로 추천되는 문제를 해결하기 위해.
• 관련성 손실 없이 다양성을 향상시켜 사용자 참여도를 높이기 위해.
• 실제 음악 추천 시스템에서 서브모듈라 최적화가 제카드 기반 다양화보다 뛰어나지 않는지 평가하기 위해.
• 더 균형 잡히고 사용자 중심적인 추천을 위해 항목의 관련성 점수를 다양성 최적화 과정에 통합하기 위해.

제안 방법

• 서브모듈라 방법은 각 카테고리가 콘텐츠 또는 행동적 특성(예: 아티스트 또는 앨범)에 해당하는, 카테고리별로 분리된 서브모듈라 함수의 합으로 다양성을 모델링한다.
• 감소 수익의 원리를 만족시키기 위해, 전체 다양성 점수에서의 마진 성과를 최대화하는 항목을 반복적으로 선택하는 근사 알고리즘을 사용한다.
• 목적 함수는 개인화된 항목 점수와 서브모듈라 다양성을 결합하며, ρ(A) = Σc fc(A)로 정의된다. 여기서 fc(A) = log(1 + Σi score(ai))는 각 카테고리 c에 대해 성립한다.
• 이 방법은 가장 관련성이 높은 항목을 최우선 순위로 배치하고, 다양한 카테고리에서 높은 점수를 받은 항목들의 균형 잡힌 조합을 보장한다.
• 기준으로 제카드 스왑 방법을 사용하며, 관련성 조건 하에 반복적인 스왑 절차를 통해 추천 항목 간의 쌍별 제카드 거리 최대화를 목표로 한다.
• 두 방법 모두 아마존 프라임 뮤직에서 트랙, 앨범, 플레이리스트 추천에 대해 3방향 A/B 테스트로 평가되었다.

실험 결과

연구 질문

• RQ1 관련성 점수를 다양성 최적화 함수에 통합하면 추천 품질이 향상되는가?
• RQ2 서브모듈라 최적화는 높은 관련성을 유지하면서 균일하게 다양한 추천을 생성할 수 있는가?
• RQ3 서브모듈라 다양화는 제카드 기반 다양화와 비교해 사용자 참여도에 어떤 영향을 미치는가?
• RQ4 다양성 향상은 스트리밍 지속 시간이라는 핵심 참여 지표에서 측정 가능한 개선을 이끌어내는가?

주요 결과

• 서브모듈라 다양화 방법은 평균 스트리밍 분량에서 0.64% 향상되었으며, 이는 통계적으로 유의미한 결과였다(p = 0.03).
• 제카드 스왑 방법은 기준 대비 0.40% 향상되었지만, 통계적으로 유의미하지 않았다(p = 0.18).
• 서브모듈라 다양화는 스트리밍 지속 시간에서 제카드 스왑보다 0.24% 높은 성능을 보였지만, 이 차이는 통계적으로 유의미하지 않았다(p = 0.41).
• 서브모듈라 접근법은 가장 관련성이 높은 곡이 항상 최우선 순위에 오르도록 보장하여, 다양성 중심의 스왑으로 인한 관련성 손실을 방지한다.
• 서브모듈라 함수의 감소 수익 성질 덕분에 추천 목록 전반에 걸쳐 균일하게 분포된 다양성이 가능하다.
• 결과는 관련성과 다양성이 결합될 경우 음악 추천 시스템에서 사용자 참여도가 크게 향상됨을 확인한다.