[논문 리뷰] CoupleNet: Paying Attention to Couples with Coupled Attention for Relationship Recommendation

Yi Tay, Luu Anh Tuan외 1명|arXiv (Cornell University)|2018. 05. 29.

Mental Health via Writing인용 수 10

한 줄 요약

이 논문은 소셜 미디어 프로필에서 연인 간의 관계 적합도를 추정하기 위해 결합된 어텐션 메커니즘을 사용하는 새로운 엔드 투 엔드 딥 러닝 모델인 COUPLENET을 제안한다. 특히, 연애 사이트가 아닌 일반적인 소셜 네트워크(RSNs)에서의 트윗을 활용한다. 이 모델은 상태의 정밀도(10위 이내 정확도 64%)를 달성하며, 명시적인 매칭 신호 없이도 설명 가능한 잠재 특징 기반 추천을 제공한다.

ABSTRACT

Dating and romantic relationships not only play a huge role in our personal lives but also collectively influence and shape society. Today, many romantic partnerships originate from the Internet, signifying the importance of technology and the web in modern dating. In this paper, we present a text-based computational approach for estimating the relationship compatibility of two users on social media. Unlike many previous works that propose reciprocal recommender systems for online dating websites, we devise a distant supervision heuristic to obtain real world couples from social platforms such as Twitter. Our approach, the CoupleNet is an end-to-end deep learning based estimator that analyzes the social profiles of two users and subsequently performs a similarity match between the users. Intuitively, our approach performs both user profiling and match-making within a unified end-to-end framework. CoupleNet utilizes hierarchical recurrent neural models for learning representations of user profiles and subsequently coupled attention mechanisms to fuse information aggregated from two users. To the best of our knowledge, our approach is the first data-driven deep learning approach for our novel relationship recommendation problem. We benchmark our CoupleNet against several machine learning and deep learning baselines. Experimental results show that our approach outperforms all approaches significantly in terms of precision. Qualitative analysis shows that our model is capable of also producing explainable results to users.

연구 동기 및 목표

• 온라인 연애 사이트(DSNs)에서만 상호 작용 신호에 의존하는 관계 추천 시스템의 격차를 보완하기 위해.
• 일반적인 소셜 네트워크(RSNs)인 트위터와 같이 사용자가 더 자연스럽게 표현하는 환경에 적용 가능한 데이터 기반 텍스트 기반 관계 추천 시스템을 개발하기 위해.
• 사랑스러운 트윗 패tern을 기반으로 한 새로운 원거리 감독 기반 방법을 사용하여, 실제 세계의 커플을 포함하는 첫 공개 데이터셋을 구축하기 위해.
• 수동적인 특징 엔지니어링 없이도 사용자 프로필링과 적합도 예측을 동시에 수행하는 엔드 투 엔드 딥 러닝 모델을 설계하기 위해.
• 어텐션 메커니즘을 통해 중요한 트윗과 잠재적 사용자 특성에 주목함으로써 설명 가능한 추천을 가능하게 하기 위해.

제안 방법

• 두 사용자 간에 애정 어린 트윗(예: '사랑해', '사랑스러운 사람')을 식별함으로써, 원거리 감독 히우리스틱을 활용해 트위터에서 실제 세계의 연인 커플을 추출한다.
• 약 200만 개의 트윗을 포함하는 LOVEBIRDS2M 데이터셋을 구축하며, 공개적으로 트윗 ID를 통해 배포 가능하다.
• 계층적 순환 신경망(GRUs)을 사용해 단어 수준와 문장 수준에서 사용자 프로필을 인코딩함으로써 사용자 표현의 순차성과 맥락을 포착한다.
• 다른 사용자의 콘텐츠에 기반해 각 사용자의 프로필에서 관련 부분을 동적으로 주목하는 새로운 결합 어텐션 메커니즘을 도입함으로써, 공동 표현 학습을 가능하게 한다.
• 클래스 불균형 문제를 해결하기 위해 하드 음성 마이닝을 적용한 대비 손실을 사용하여, 사용자 쌍 간의 적합도 점수를 예측하는 엔드 투 엔드 랭킹 모델을 훈련한다.
• 개별 트윗에 대한 어텐션 가중치를 시각화함으로써 설명 가능성을 확보하며, 예측에 가장 영향을 준 게시물들이 무엇인지 파악할 수 있다.

실험 결과

연구 질문

• RQ1 연애 플랫폼의 상호 작용 신호에 의존하지 않고, 일반적인 소셜 미디어 프로필의 텍스트만을 사용하여 장기적인 연인 관계 적합도를 효과적으로 추정할 수 있는가?
• RQ2 사용자 특성(예: 인구통계학적 정보, 성격)과 잠재적 특성(예: 감정, 정서적 톤)을 소셜 미디어 콘텐츠에서 얼마나 잘 추론할 수 있으며, 이는 적합도 예측을 향상시키는 데 기여하는가?
• RQ3 사용자 프로필에 명시적인 매칭 신호(예: 공통 관심사 또는 인구통계학적 정보)가 없을 경우 모델의 성능은 어떻게 되는가?
• RQ4 특정 트윗이나 사용자 행동을 강조함으로써 모델의 예측을 의미적으로 설명할 수 있는가?
• RQ5 원거리 감독을 통해 RSN에서 실제 세계의 커플을 활용할 경우, 이전의 DSN 기반 접근 방식에 비해 더 강건하고 일반화된 적합도 예측을 얻을 수 있는가?

주요 결과

• COUPLENET는 100개의 음성 샘플 중 한 개의 양성 커플 쌍을 10위 이내로 랭킹할 때 정밀도가 64%에 도달하며, 여러 기계학습 및 딥 러닝 베이스라인을 뛰어넘는 성능을 보였다.
• 모델은 명시적으로 기재되지 않은 상태에서도 상호 관심사와 공통 주제(예: 학교 행사, 정서적 표현)를 핵심 신호로 식별하여 적합도를 예측하는 데 성공했다.
• 명시적인 정보 없이도 관계 상태, 정서적 톤, 인구통계학적 신호(예: 고등학교, 홈커밍) 등의 사용자 특성을 추론할 수 있었다.
• 사용자 프로필에 명시적인 매칭 신호가 없더라도 모델은 감정과 성격과 같은 잠재적 특징을 학습하고 활용할 수 있음을 보여주며 뛰어난 성능 유지를 보였다.
• 결합 어텐션 메커니즘은 각 사용자의 가장 관련 있는 트윗을 랭킹함으로써 설명 가능한 결과를 도출했으며, 정성적 분석을 통해 인간의 직관과 일치하는 경향을 보였다.
• 클래스 불균형에도 불구하고 모델은 다양한 사용자 프로필에 대해 잘 일반화되어 있어, 실제 소셜 미디어 데이터에서의 강건성을 입증했다.