[論文レビュー] Improving Collaborative Filtering based Recommenders using Topic Modelling

Jobin Wilson, Santanu Chaudhury+2 more|arXiv (Cornell University)|Feb 25, 2014

Recommender Systems and Techniques参考文献 4被引用数 9

ひとこと要約

本稿では、アイテムのテキスト記述とユーザのトピック嗜好をモデル化するために、Latent Dirichlet Allocation (LDA) を用いたトピックモデリングを統合することで、協調フィルタリング（CF）を強化するハイブリッド推薦手法を提案する。レーティングベースの類似度とトピックベースの類似度を統合的な指標として組み合わせることで、スパarsity を軽減し、精度を向上させる。この手法は、複数の公開データセットにおいて、標準のユーザベースおよびアイテムベースのCFを上回り、精度、再現率、F1スコアの観点で優れた性能を示す。

ABSTRACT

Standard Collaborative Filtering (CF) algorithms make use of interactions between users and items in the form of implicit or explicit ratings alone for generating recommendations. Similarity among users or items is calculated purely based on rating overlap in this case,without considering explicit properties of users or items involved, limiting their applicability in domains with very sparse rating spaces. In many domains such as movies, news or electronic commerce recommenders, considerable contextual data in text form describing item properties is available along with the rating data, which could be utilized to improve recommendation quality.In this paper, we propose a novel approach to improve standard CF based recommenders by utilizing latent Dirichlet allocation (LDA) to learn latent properties of items, expressed in terms of topic proportions, derived from their textual description. We infer user's topic preferences or persona in the same latent space,based on her historical ratings. While computing similarity between users, we make use of a combined similarity measure involving rating overlap as well as similarity in the latent topic space. This approach alleviates sparsity problem as it allows calculation of similarity between users even if they have not rated any items in common. Our experiments on multiple public datasets indicate that the proposed hybrid approach significantly outperforms standard user Based and item Based CF recommenders in terms of classification accuracy metrics such as precision, recall and f-measure.

研究の動機と目的

• 協調フィルタリング（CF）推薦システムにおけるスパarsity 問題に、特にユーザ-アイテムレーティングが限られた分野で対処すること。
• 映画のあらすじや製品レビューなどのアイテムのテキスト記述を活用し、レーティングデータを超えたユーザおよびアイテム表現を豊かに行うこと。
• LDA を用いてアイテムのテキストから導出された共有の顕在的トピック空間でユーザ嗜好をモデル化し、共通のレーティングがない場合でも類似度計算が可能になるようにすること。
• レーティング重複とトピックベース類似度を組み合わせたハイブリッド類似度測度を設計し、ユーザ-ユーザおよびアイテム-アイテム類似度推定を改善すること。
• 実世界のデータセットを用いた実験的検証を通じて、提案手法が標準のCFアプローチを分類指標の観点で上回ることを示すこと。

提案手法

• アイテムのテキスト記述からトピックの割合を抽出するために、Latent Dirichlet Allocation (LDA) を適用し、各アイテムの顕在的トピック表現を生成する。
• LDA で導出されたアイテムのトピックを基準に、ユーザの履歴的レーティングを同じトピック空間における分布としてモデル化することで、ユーザのトピック嗜好を推定する。
• 顕在的トピック空間におけるコサイン類似度とレーティング重複を重み付けして、ユーザ間の組み合わせ類似度を計算する。
• ハイブリッド類似度測度をユーザベースおよびアイテムベースの協調フィルタリングフレームワークに組み込み、推薦を生成する。
• スパースなレーティング行列を有する公開データセット上でモデルを学習・評価し、標準のCFベースラインと性能を比較する。
• 交差検証を用いてハイパーパrameterを最適化し、レーティングとトピック類似度の融合を最適化する。

実験結果

リサーチクエスチョン

• RQ1 アイテムのテキストから得られる顕在的トピックを組み込むことで、スパースなレーティング環境における協調フィルタリング推薦システムの性能が向上するか？
• RQ2 共通のアイテムがレーティングされていない状況において、レーティングベースとトピックベースの類似度を組み合わせることで、ユーザ類似度推定がどの程度向上するか？
• RQ3 提案されたハイブリッドモデルは、標準のユーザベースおよびアイテムベースのCFと比較して、精度、再現率、F1スコアの観点で優れているか？
• RQ4 アイテムのテキストから導出されたトピック空間でユーザ嗜好をモデル化することで、より正確で頑健な推薦が得られるか？
• RQ5 組み合わせ類似度測度における、レーティング重複とトピック類似度の最適なバランスは何か？

主な発見

• 提案されたハイブリッド手法は、複数の公開データセットにおいて、標準のユーザベースおよびアイテムベースの協調フィルタリングを精度、再現率、F1スコアの観点で顕著に上回る。
• 共通のレーティングがなくても、トピックベースの類似度により類似度計算が可能になるため、本手法はスパarsity 問題を効果的に軽減する。
• アイテムの記述からのトピックモデリングを組み込むことで、明示的なレーティングを超えた意味的・文脈的情報を捉えることができ、推薦精度が向上する。
• レーティング類似度とトピック類似度のバランスの取れた融合が最良の性能をもたらし、明示的なレーティングと顕在的意味的特徴を組み合わせることの価値を示している。
• 異なるデータセットにおいて一貫した改善が得られるため、本モデルはさまざまなデータスパarsity およびドメイン特性に頑健であることが示された。
• LDA を用いてアイテムおよびユーザの嗜好を共有の顕在的空間でモデル化することで、追加のユーザまたはアイテムメタデータがなくても意味的表現学習が可能になる。