[논문 리뷰] Reciprocal Recommendation System for Online Dating

Peng Xia, Benyuan Liu외 2명|arXiv (Cornell University)|2015. 01. 26.

Sexuality, Behavior, and Technology참고 문헌 3인용 수 6

한 줄 요약

이 논문은 사용자 간 소통 패턴을 통해 상호 관심과 매력을 모델링하여 매칭을 향상시키는 온라인 데이팅을 위한 상호작용 기반 추천 시스템을 제안한다. 메시지 발신 및 수신 행동을 기반으로 한 유사도 측정법을 도입하고, 협업 필터링을 사용하여 호환성 있는 파트너를 순위 매기며, CF 기반 방법이 정밀도와 재현율 모두에서 콘텐츠 기반 접근 방식을 뛰어넘는 것으로 나타났다. 성별에 따른 행동 차이도 관찰되었다.

ABSTRACT

Online dating sites have become popular platforms for people to look for potential romantic partners. Different from traditional user-item recommendations where the goal is to match items (e.g., books, videos, etc) with a user's interests, a recommendation system for online dating aims to match people who are mutually interested in and likely to communicate with each other. We introduce similarity measures that capture the unique features and characteristics of the online dating network, for example, the interest similarity between two users if they send messages to same users, and attractiveness similarity if they receive messages from same users. A reciprocal score that measures the compatibility between a user and each potential dating candidate is computed and the recommendation list is generated to include users with top scores. The performance of our proposed recommendation system is evaluated on a real-world dataset from a major online dating site in China. The results show that our recommendation algorithms significantly outperform previously proposed approaches, and the collaborative filtering-based algorithms achieve much better performance than content-based algorithms in both precision and recall. Our results also reveal interesting behavioral difference between male and female users when it comes to looking for potential dates. In particular, males tend to be focused on their own interest and oblivious towards their attractiveness to potential dates, while females are more conscientious to their own attractiveness to the other side of the line.

연구 동기 및 목표

• 온라인 데이팅 플랫폼에서 상호 관심과 상대방의 연락에 대한 응답 가능성을 고려한 사용자 매칭을 위한 추천 시스템을 설계한다.
• 기존의 소셜 네트워크 친구 추천 방법이 적용되지 않는 이원적이고 성별 제한이 있는 데이팅 네트워크의 고유한 과제를 해결한다.
• 콘텐츠 기반 접근 방식과 협업 필터링 기반 접근 방식이 상호 메시지 교환 행동을 예측하는 데 있어 효과성을 평가한다.
• 특히 자기 매력도에 대한 자각과 타인의 관심에 대한 인식 측면에서 성별 기반 행동 차이를 밝혀내는 것.

제안 방법

• 공통된 메시지 발신 패턴(관심 유사도)과 공통된 메시지 수신 패턴(매력도 유사도)을 기반으로 상호 호환성 점수를 제안한다.
• 서비스 사용자가 연락을 시도한 사용자들의 특성 정보를 이용해 사용자 선호도 모델을 구축한다.
• 관심 유사도와 매력도 유사도를 조합한 협업 필터링 알고리즘(CF1–CF4)을 사용해 잠재적 파트너를 순위 매긴다.
• 나이, 교육 수준, 소득 등의 사용자 특성을 기반으로 한 콘텐츠 기반 알고리즘(CB1, CB2)을 도입해 성능을 비교한다.
• 메시지 교환을 예측하는 데 있어 사용자 특성의 분류 능력을 평가하기 위해 바타차리야 거리(Bhattacharyya distance)를 적용한다.
• R-정밀도와 R-재현율 지표를 사용해 성능을 평가하고, 순위 질을 평가하기 위해 평균 유효 추천 위치를 분석한다.

실험 결과

연구 질문

• RQ1 사용자 간 소통 흔적을 어떻게 활용하여 온라인 데이팅 추천에서 상호 관심과 매력을 모델링할 수 있는가?
• RQ2 협업 필터링 기반 알고리즘은 상호 메시지 교환과 호환성 예측에서 콘텐츠 기반 접근 방식과 비교해 어떻게 다른가?
• RQ3 특히 자기 매력도에 대한 인식과 타인의 관심에 대한 인식 측면에서 온라인 데이팅 행동에 성별 기반 패턴은 무엇인가?
• RQ4 나이, 교육 수준, 관계 상태 등의 사용자 특성이 메시지 교환 행동을 얼마나 잘 예측할 수 있는가?

주요 결과

• 협업 필터링 기반 알고리즘(CF3 및 CF4)은 정밀도와 재현율 모두에서 콘텐츠 기반 방법을 뛰어넘으며, CF3가 가장 높은 성능을 기록했다.
• CF3 알고리즘은 관심과 매력도 유사도를 모두 반영하여 남성 사용자의 경우 상위 30–50% 범위 내에서 관련 추천을 순위 매기지만, 여성 사용자의 경우 상위 절반 이내에서만 순위가 매겨졌다.
• 콘텐츠 기반 알고리즘은 메시지 수신자와 전체 사용자 간 특성 분포의 바타차리야 거리가 작아 분류 능력이 낮다는 점에서 성능이 열악했다.
• 남성은 자신의 관심사에 집중하며 매력도에 대한 인식이 낮은 반면, 여성은 자신의 매력도에 대해 더 민감하고 타인의 관심에 대해 더 인지하고 있다.
• 사용자의 소통 흔적—예를 들어 누가 누굴 메시지로 연락하는가—은 실제로는 서술된 선호도와 다를 수 있는 실제 데이팅 선호도를 반영하므로, 이를 모델링하는 데 핵심적이다.