[논문 리뷰] Nonparametric Preference Completion

Julian Katz-Samuels, Clayton Scott|arXiv (Cornell University)|2017. 05. 24.

Recommender Systems and Techniques참고 문헌 13인용 수 6

한 줄 요약

이 논문은 비모수적 k-최근접 이웃 유사 알고리즘을 제안하여 협업적 선호도 보완을 수행하며, 사용자-아이템 평점에 리프시츠 함수와 사용자별 단조성 변환을 적용한다. 이는 순위 기반 비모수적 협업 필터링에 대해 처음으로 일致성 결과를 확립하며, 사용자 및 아이템 특징에 대한 미약한 정규성 조건 하에서 수렴성을 증명한다.

ABSTRACT

We consider the task of collaborative preference completion: given a pool of items, a pool of users and a partially observed item-user rating matrix, the goal is to recover the \emph{personalized ranking} of each user over all of the items. Our approach is nonparametric: we assume that each item $i$ and each user $u$ have unobserved features $x_i$ and $y_u$, and that the associated rating is given by $g_u(f(x_i,y_u))$ where $f$ is Lipschitz and $g_u$ is a monotonic transformation that depends on the user. We propose a $k$-nearest neighbors-like algorithm and prove that it is consistent. To the best of our knowledge, this is the first consistency result for the collaborative preference completion problem in a nonparametric setting. Finally, we demonstrate the performance of our algorithm with experiments on the Netflix and Movielens datasets.

연구 동기 및 목표

• RMSE 최적화를 목표로 하지만 최적의 순위를 도출하지 못할 수 있는 평점 기반 협업 필터링 방법의 한계를 해결하기 위해.
• 낮은 질서 구조나 특정 분포 모델과 같은 강력한 모수적 가정을 피하는 비모수적 선호도 보완 프레임워크를 개발하기 위해.
• 비모수적 환경에서 이웃 기반의 순위 기반 협업 필터링 알고리즘에 대해 이론적 일致성 보장을 제공하기 위해.
• 제안된 모델 하에서 선호도 보완 문제의 최적성에 대한 필요 및 충분 조건을 설정하기 위해.

제안 방법

• 각 아이템과 사용자를 관찰하지 않은 특징 $x_i$ 및 $y_u$로 모델링하며, 평점은 $g_u(f(x_i, y_u))$로 주어진다. 여기서 $f$는 리프시츠 함수이고 $g_u$는 단조성이다.
• 사용자 간의 쌍별 일치 수를 사용하여 개인화된 순위를 추정하는 k-최근접 이웃 유사 알고리즘을 제안한다.
• 사용자 간의 아이템 쌍에서의 평균 일치 수를 기반으로 사용자 유사도를 정의함으로써, 사용자 선호도 구조 간의 견고한 비교를 가능하게 한다.
• 가장 가까운 이웃들에 대한 다수결 투표를 통해 쌍별 선호도를 예측하고, 전체 개인화된 순위를 구성한다.
• 관측된 평점 수가 증가함에 따라 추정된 순위가 진정된 순위로 수렴함을 보여줌으로써 일치성을 증명한다.
• 기하학적 및 확률적 추론을 활용하여, 미약한 정규성 조건 하에서 사용자 특징이 식별 가능하다는 것을 입증한다.

실험 결과

연구 질문

• RQ1 강력한 모수적 가정 없이도 비모수적이고 이웃 기반의 협업 필터링 알고리즘이 선호도 보완에서 일치성을 달성할 수 있는가?
• RQ2 국소적 유사성 구조를 활용해 부분적으로 관측된 평점들로부터 쌍별 선호 관계를 신뢰성 있게 추정할 수 있는가?
• RQ3 비모수적 모델에서 추정된 순위가 진정된 순위로 수렴하기 위한 조건은 무엇인가?
• RQ4 제안된 모델 하에서 선호도 보완 문제의 최적성에 대한 필수 및 충분 조건이 존재하는가?

주요 결과

• 제안된 k-NN 유사 알고리즘은 리프시츠 함수 $f$와 단조성 함수 $g_u$를 갖는 비모수적 모델 하에서 선호도 보완에 대해 일치성을 보이며, 데이터가 증가함에 따라 진정된 순위로 수렴함을 증명한다.
• 낮은 질서 구조나 브래드리-테리 또는 다항 로지스틱 모델과 같은 특정한 모수적 모델을 요구하지 않아도 이론적 일치성을 확보한다.
• 해결책의 최적성에 대한 필요 및 충분 조건이 유도되었으며, 이는 모델의 가정 하에서 언제 순위가 최적인지 규명한다.
• 이 프레임워크는 선형 모델을 일반화한다: $f(\bm{x},\bm{y}) = \bm{x}^T\bm{y}$는 한 차원 더 높은 차원에서 유클리드 거리 모델 $\|\tilde{\bm{x}} - \tilde{\bm{y}}\|_2$에 통합될 수 있다.
• Netflix 및 Movielens 데이터셋에서의 실험적 평가를 통해 뛰어난 성능을 확인하였으며, 이는 접근 방식의 실용적 타당성을 입증한다.
• 이론적 분석을 통해 사용자 특징이 특징 공간에서 충분히 분리되어 있으면, 알고리즘이 높은 확률로 선호도를 식별할 수 있음을 보였다.