[논문 리뷰] User Modeling and User Profiling: A Comprehensive Survey

Erasmo Purificato, Ludovico Boratto외 1명|arXiv (Cornell University)|2024. 02. 15.

Human Mobility and Location-Based Analysis인용 수 8

한 줄 요약

이 논문은 사용자 모델링과 프로파일링의 발전, 분류 체계, 향후 방향을 조사하며 암시적 데이터, 그래프 기반 방법, 프라이버시, 설명가능성, 윤리와 같은 경향을 강조한다.

ABSTRACT

The integration of artificial intelligence (AI) into daily life, particularly through information retrieval and recommender systems, has necessitated advanced user modeling and profiling techniques to deliver personalized experiences. These techniques aim to construct accurate user representations based on the rich amounts of data generated through interactions with these systems. This paper presents a comprehensive survey of the current state, evolution, and future directions of user modeling and profiling research. We provide a historical overview, tracing the development from early stereotype models to the latest deep learning techniques, and propose a novel taxonomy that encompasses all active topics in this research area, including recent trends. Our survey highlights the paradigm shifts towards more sophisticated user profiling methods, emphasizing implicit data collection, multi-behavior modeling, and the integration of graph data structures. We also address the critical need for privacy-preserving techniques and the push towards explainability and fairness in user modeling approaches. By examining the definitions of core terminology, we aim to clarify ambiguities and foster a clearer understanding of the field by proposing two novel encyclopedic definitions of the main terms. Furthermore, we explore the application of user modeling in various domains, such as fake news detection, cybersecurity, and personalized education. This survey serves as a comprehensive resource for researchers and practitioners, offering insights into the evolution of user modeling and profiling and guiding the development of more personalized, ethical, and effective AI systems.

연구 동기 및 목표

• 초기 모델에서 현대 기법에 이르는 사용자 모델링 및 프로파일링 개발의 역사적 개요를 제공한다.
• 현 분야의 활성 주제와 최근 트렌드를 포괄하는 새로운 분류 체계를 제안한다.
• 암시적 데이터 수집, 다중 행동 모델링, 그래프 기반 표현으로의 패러다임 전환을 강조한다.
• 사용자 모델링의 프라이버시 보전 방법, 설명가능성 및 공정성을 다룬다.
• 가짜 뉴스 탐지, 사이버 보안, 개인화된 교육 등 다양한 도메인에 걸친 응용을 탐색한다.

제안 방법

• 스테레오타입 기반 모델에서 딥 러닝 기반 사용자 모델로의 진화를 추적하는 문헌 종합.
• 핵심 용어에 대한 새로운 백과사전적 정의 프레임워크를 제안하여 모호성을 줄인다.
• 연합 학습을 포함한 프라이버시 보전 접근법과 감사 가능한 모델을 논의한다.
• 윤리적 고려 및 공정성을 검토하여 인간 중심적이고 포용적인 설계를 안내한다.

Figure 1: Timeline reporting the major events of the user modeling and profiling history.

실험 결과

연구 질문

• RQ1 사용자 모델링 및 프로파일링 기술의 역사적 궤적은 어떻게 형성되어 왔고 어떻게 진화해 왔는가?
• RQ2 현재의 활성 주제는 무엇이며 이를 포괄적 분류 체계로 어떻게 정리해야 하는가?
• RQ3 프라이버시, 설명가능성, 공정성 고려사항이 현대의 사용자 모델링 접근 방식에 어떤 영향을 미치는가?
• RQ4 어떤 도메인에서 사용자 모델링 기법이 적용되었으며 향후 연구 방향은 무엇인가?

주요 결과

• 초기 stereotype 모델에서 암시적 데이터 수집 및 다중 행동 모델링을 포함한 정교한 프로파일링 기법으로의 전환.
• 그래프 데이터 구조, 크로스플랫폼 모델, 다중 모달 데이터가 사용자 표현을 향상시키는 데 점차 사용되고 있다.
• 프라이버시 보전 기법과 연합 학습이 개인화와 프라이버시의 균형을 맞추는 데 중요해지고 있다.
• 설명가능성과 공정성은 투명성 개선 및 편향 감소를 위해 사용자 모델링의 중심 설계 목표가 되어가고 있다.
• 이 분야는 가짜 뉴스 탐지, 사이버 보안, 개인화된 교육 등 광범위한 응용을 다룬다.

Figure 2: Taxonomy of the reviewed literature and trends for user modeling. The Modeling techniques tree is detailed in Figure 3 .