[논문 리뷰] Constructing Top-k Routes with Personalized Submodular Maximization of POI Features.

Hongwei Liang, Ke Wang|arXiv (Cornell University)|2017. 10. 10.

Data Management and Algorithms참고 문헌 12인용 수 1

한 줄 요약

이 논문은 사용자 선호도를 기반으로 기능 수와 다양성을 균형 잡는 개인화된 top-k 경로 추천 시스템을 제안하며, 하위모듈러 최적화를 활용하여 여행 비용 제약 조건 하에 대규모 POI 네트워크를 효율적으로 탐색한다. 색인 구조와 잘라내기 전략을 활용하여 기능 인식 색인과 제약 조건 기반 검색 축소를 통해 최적이고 확장 가능한 추천을 달성한다.

ABSTRACT

We consider a practical top-k route problem: given a collection of points of interest (POIs) with rated features and traveling costs between POIs, a user wants to find k routes from a source to a destination, that maximally match her needs on feature preferences and can be completed within a travel cost budget. One challenge is dealing with the personalized diversity requirement where each user has a different trade-off between quantity (the number of POIs with a specified feature) and variety (the coverage of specified features). Another challenge is the large scale of the POI network and the great many alternative routes to search. We model the personalized diversity requirement by the whole class of submodular functions, and present an optimal solution to the top-k route problem through an index structure for retrieving relevant POIs in both feature and route spaces and various strategies for pruning the search space using user preferences and constraints. We also present heuristic solutions and evaluate all the solutions on real life POI network data.

연구 동기 및 목표

• 개인 사용자 선호도에 따라 기능 수와 다양성을 균형 잡는 k개의 개인화된 경로를 추천하는 데 도전하는 것.
• 여행 비용 예산 내에서 수많은 대체 경로가 존재하는 거대한 POI 네트워크 탐색의 확장성 문제를 다루는 것.
• 일반적인 하위모듈러 함수의 클래스를 사용하여 개인화된 다양성을 모델링함으로써 선호하는 POI 기능의 커버리지와 수량 간의 탄력적 트레이드오프를 가능하게 하는 것.
• 기능 공간과 경로 공간 양쪽에서 관련 POI를 신속하게 검색할 수 있도록 효율적인 색인 구조를 설계하는 것.
• 사용자 선호도와 제약 조건을 활용하여 검색 공간을 줄이는 잘라내기 전략을 개발하여 계산 효율성을 향상시키는 것.

제안 방법

• 특정 기능을 가진 POI의 수와 커버된 기능의 다양성 간의 트레이드오프를 나타내기 위해 사용자 선호도를 하위모듈러 함수로 모델링하는 것.
• 기능 공간과 경로 공간 양쪽에서 사용자 선호도와 관련된 POI를 효율적으로 검색하기 위해 이중 색인 구조를 구성하는 것.
• 사용자가 정의한 기능 선호도와 여행 비용 제약 조건을 기반으로 한 잘라내기 기법을 적용하여 경로 열거 중 검색 공간을 줄이는 것.
• knapsack 제약 조건 하에 하위모듈러 최적화 문제로 top-k 경로 문제를 재구성함으로써 최적의 해를 계산할 수 있도록 하는 것.
• 대규모 POI 네트워크에서의 확장성을 향상시키면서도 높은 추천 품질을 유지할 수 있도록 휴리스틱 변형을 설계하는 것.
• 실제 POI 네트워크 데이터를 대상으로 제안된 방법의 성능과 효과성을 검증하기 위해 평가를 수행하는 것.

실험 결과

연구 질문

• RQ1 사용자 선호도에 기반하여 기능 수와 다양성을 균형 잡는 개인화된 경로 추천은 어떻게 생성할 수 있는가?
• RQ2 수많은 대체 경로가 존재하는 대규모 POI 네트워크에서 효율적인 탐색을 가능하게 하는 색인 및 잘라내기 전략은 무엇인가?
• RQ3 사용자 선호도를 하위모듈러 함수로 모델링함으로써 top-k 경로 추천의 품질과 관련성은 어떻게 향상되는가?
• RQ4 비용 제약 조건 하에 top-k 경로 문제를 해결할 때 최적성과 확장성 사이의 트레이드오프는 어떠한가?
• RQ5 실제 POI 데이터에서 제안된 최적 및 휴리스틱 솔루션은 추천 품질과 런타임 효율성 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 최적 솔루션은 하위모듈러 함수를 통해 사용자 선호도를 모델링함으로써 개인화된 다양성을 효과적으로 균형 잡아 높은 품질의 경로 추천을 보장한다.
• 색인 구조는 기능 공간과 경로 공간 양쪽에서 관련 POI의 검색 속도를 크게 향상시켜 검색 오버헤드를 감소시킨다.
• 사용자 선호도와 비용 제약 조건을 기반으로 한 잘라내기 전략은 검색 공간을 크게 줄여 계산 효율성을 향상시킨다.
• 휴리스틱 솔루션은 훨씬 낮은 런타임으로 근사 최적 성능를 달성하여 대규모 배포에 적합하다.
• 실제 POI 네트워크 데이터에 대한 평가를 통해 제안된 접근 방식의 효과성과 확장성은 실용적 환경에서 확인되었다.
• 이 방법은 다양한 사용자 선호도를 효과적으로 처리하면서도 여행 비용 예산 내에서의 실현 가능성을 유지하는 데 뛰어난 성능을 보였다.