[논문 리뷰] Explainable Entity-based Recommendations with Knowledge Graphs

Rose Catherine, Kathryn Mazaitis외 2명|arXiv (Cornell University)|2017. 07. 12.

Topic Modeling참고 문헌 11인용 수 26

한 줄 요약

이 논문은 지식 그래프를 사용하여 설명 가능하고 엔터티 기반 추천을 생성하기 위한 새로운 훈련 불필요 방법을 제안한다. 개인화된 페이지랭크를 통해 항목과 지식 그래프 엔터티를 동시에 순위 매김함으로써, 의미적으로 연결된 엔터티에서 유추된 해석 가능한 설명을 포함한 순위 기반 추천을 생성한다. 이 방법은 사용자 선호도와 그래프 구조적 사실을 활용하여 투명하고 정확한 영화 추천을 제공한다.

ABSTRACT

Explainable recommendation is an important task. Many methods have been proposed which generate explanations from the content and reviews written for items. When review text is unavailable, generating explanations is still a hard problem. In this paper, we illustrate how explanations can be generated in such a scenario by leveraging external knowledge in the form of knowledge graphs. Our method jointly ranks items and knowledge graph entities using a Personalized PageRank procedure to produce recommendations together with their explanations.

연구 동기 및 목표

• 지식 그래프 기반 추천 시스템에서 설명 생성의 부족을 해결하기 위해.
• 사용자 리뷰나 텍스트 피드백이 제공되지 않을 경우에도 설명 생성을 가능하게 하기 위해.
• 항목과 지식 그래프 엔터티를 동시에 순위 매김하여 추천과 해석 가능한 근거를 동시에 제공하기 위해.
• 사용자 피드백을 통한 엔터티 기반 동적이고 대화 기반의 추천 보완을 지원하기 위해.
• 신속한 도메인 적응을 위한 배포 가능한 훈련 불필요 프레임워크를 제공하기 위해.

제안 방법

• ProPPR(개인화된 페이지랭크 프로그래밍)를 사용하여 지식 그래프에서 논리 규칙을 질의하고 기반함으로써 항목과 엔터티의 동시 순위 매김을 수행한다.
• 정의된 규칙을 통해 엔터티 간의 재귀적 유사도를 정의: 동일성(simple(X,X)) 및 경로 기반 유사도(simple(X,E) ← link(X,Z), simple(Z,E)).
• 사용자 선호도를 예측하기 위해 두 종류의 규칙을 적용: 엔터티나 항목에 대한 명시적 좋아요/싫어요를 기반으로 'willLike' 및 'willDislike' 규칙을 정의한다.
• 사용자가 엔터티(예: 톰 행크스)나 항목(예: 다빈치 코드)에 대해 좋아요/싫어요를 제공함으로써 관련된 엔터티와 항목의 선호도를 유추한다.
• willLike(U,E,M) 술어에서 시작하여 개인화된 페이지랭크를 실행하여 후보 추천과 설명의 점수를 산정한다.
• 각 영화별로 '좋아요' 점수를 합산하고 '싫어요' 점수를 빼어 최종 점수를 계산하고, 엔터티의 공동 기여도에 따라 엔터티를 순위 매긴다.

실험 결과

연구 질문

• RQ1 사용자 리뷰나 텍스트 피드백이 전혀 없을 경우에도 지식 그래프 기반 추천에 대해 설명을 생성할 수 있는가?
• RQ2 지식 그래프 엔터티를 항목과 동시에 순위 매김하여 추천의 해석 가능한 근거로 활용할 수 있는가?
• RQ3 논리 규칙과 개인화된 페이지랭크에 기반한 훈련 불필요 방법이 정확하고 설명 가능한 추천을 생성할 수 있는가?
• RQ4 사용자가 엔터티(예: 톰 행크스)를 좋아함으로써 지식 그래프를 통해 선호도가 어떻게 전파되어 항목 추천의 근거가 되는가?
• RQ5 사용자가 엔터티에 대한 피드백을 통해 대화 기반의 상호작용을 통해 추천을 보완할 수 있는가?

주요 결과

• 이 방법은 리뷰 텍스트가 없더라도 지식 그래프의 사실적 연결과 사용자 선호도만으로도 추천에 대한 설명을 성공적으로 생성한다.
• 톰 행크스와 *다빈치 코드*를 좋아하는 사용자 'alice'의 샘플 기반 결과는 점수 기반으로 다음과 같은 동시 순위를 보인다: *브릿지 오브 스플라이즈* (0.7), *인퍼노* (0.2), *스노우든* (0.3).
• 사용자가 '범죄' 영화를 싫어함으로써 *인퍼노*에 음수 점수(−0.2)가 부여되었고, 이는 최종 추천 점수에 반영되었다.
• *브릿지 오브 스플라이즈* 추천의 주요 이유로 '톰 행크스'와 '드라마 스릴러'와 같은 엔터티들이 확인되어 설명 가능성의 가능성을 입증했다.
• 이 방법은 실제 환경에서 배포 가능하며, 현재 IMDb 기반 지식 그래프를 사용해 모바일 개인 에이전트에서 영화 추천에 활용 중이다.
• 이 방법은 상호작용 기반 보완을 지원한다. 예를 들어, 사용자가 엔터티 선호도를 조정함으로써 분위기를 조절할 수 있어 대화 기반 추천 시스템에 적합하다.