[논문 리뷰] Personalized Recommender System for Children's Book Recommendation with A Realtime Interactive Robot

Yun Liu, Tianmeng Gao외 2명|arXiv (Cornell University)|2017. 10. 01.

Recommender Systems and Techniques참고 문헌 34인용 수 8

한 줄 요약

이 논문은 실시간 상호작용 로봇과 통합된 개인화된 어린이 도서 추천 시스템을 제안하며, 효율적인 검색을 위해 역필터링을 사용하고, 사용자 관심도 예측을 위해 베이지안 네트워크를 사용하며, word2vec을 통한 도메인 특화 동의어 연관성을 통해 어린이의 모호한 언어 표현의 의미적 이해를 향상시킨다. 이 시스템은 높은 추천 정확도를 달성하고 자원 제약이 있는 임베디드 장치에서도 효율적으로 작동한다.

ABSTRACT

In this paper we study the personalized book recommender system in a child-robot interactive environment. Firstly, we propose a novel text search algorithm using an inverse filtering mechanism that improves the efficiency. Secondly, we propose a user interest prediction method based on the Bayesian network and a novel feedback mechanism. According to children's fuzzy language input, the proposed method gives the predicted interests. Thirdly, the domain specific synonym association is proposed based on word vectorization, in order to improve the understanding of user intention. Experimental results show that the proposed recommender system has an improved performance and it can operate on embedded consumer devices with limited computational resources.

연구 동기 및 목표

• 어린이가 자연어로 표현하는 데 한계가 있고 정확도가 떨어지는 언어를 사용하는 실시간 상호작용 로봇 환경에서 어린이 도서를 추천하는 데 도전하는 것.
• 사용자 관심도 예측을 상호작용 기록과 입력과 통합함으로써 검색 효율성과 정확도를 향상시키는 것.
• 일반 소비자 로봇에서 흔히 사용되는 자원이 제한된 임베디드 장치에서 효과적인 추천을 가능하게 하는 것.
• 사용자 입력 키워드(예: '학교 후 재미있는 놀이')와 도서 메타데이터(예: '탁구 이야기') 사이의 의미적 격차를 도메인 특화 동의어 연관성으로 해소하는 것.
• 정적 프로필에 의존하는 대신 상호작용을 통해 동적으로 사용자 관심을 모델링함으로써 개인화를 향상시키는 것.

제안 방법

• 실시간 시스템에서 효율성을 높이기 위해 레이블 기반 항목 검색을 가속화하는 역필터링 메커니즘을 제안한다.
• 상호작용 기록과 입력에서 사용자 관심을 예측하기 위해 베이지안 네트워크를 활용하여 도서 추천의 개인화된 순위를 산정한다.
• 사용자 입력을 의미적으로 관련된 도서 레이블로 매핑하기 위해 사전 학습된 word2vec 임베딩을 활용한 도메인 특화 동의어 연관성(DSSA)을 도입한다.
• 어린이 도서 내용과 관련 뉴스 코퍼스를 기반으로 미세조정된 word2vec 모델을 사용하여 사용자 질의와 도서 메타데이터 간의 의미적 일치도를 향상시킨다.
• 사용자 관심 표현과 도서 레이블 간의 의미적 거리를 계산하기 위해 워드 벡터화를 적용하여 맥락 인식 기반 추천을 가능하게 한다.
• 사용자 반응에 기반해 예측을 정밀 조정하는 피드백 메커니즘을 설계하여 장기적인 개인화를 향상시킨다.

실험 결과

연구 질문

• RQ1 어떻게 하면 어린이의 어휘 수준이 낮고 표현이 모호한 자연어 질의를 효율적으로 처리할 수 있는 추천 시스템을 구축할 수 있는가?
• RQ2 베이지안 네트워크는 어린이-로봇 상호작용 환경에서 사용자 관심도 예측에 얼마나 효과적인가?
• RQ3 word2vec을 활용한 도메인 특화 동의어 연관성은 사용자 입력과 도서 메타데이터 간의 의미적 일치도를 크게 향상시킬 수 있는가?
• RQ4 역필터링과 의미적 검색의 통합은 임베디드 장치에서 추천 성능을 어떻게 향상시키는가?
• RQ5 다중 라운드 상호작용은 어린이 도서 추천에서 의도 및 관심도 예측 정확도에 어떤 영향을 미치는가?

주요 결과

• 제안된 역필터링 메커니즘이 실시간 시스템에서 레이블 기반 항목 검색의 효율성을 크게 향상시킨다.
• 베이지안 네트워크 기반의 사용자 관심도 예측 모델이 짧고 모호한 언어 입력으로부터 어린이의 선호도를 효과적으로 추론한다.
• word2vec을 활용한 도메인 특화 동의어 연관성(DSSA)는 일반 목적의 동의어 매핑보다 우수한 성능을 보이며, 더 정확하고 관련성이 높은 추천을 가능하게 한다.
• 워드 벡터화를 통한 의미적 이해 통합으로 사용자 표현 '학교 후 재미있는 놀이'와 같은 표현을 '탁구 이야기'와 같은 관련 도서로 매칭할 수 있는 능력이 향상된다.
• 전반적인 추천 시스템은 높은 정확도와 효율성을 달성하면서도 자원이 제한된 소비자용 임베디드 장치에서도 성공적으로 작동한다.
• 기존의 키워드 기반 접근 방식에 비해 사용자 입력과 도서 메타데이터 간의 의미적 격차를 더 효과적으로 해소하는 데 성공했다.