[논문 리뷰] Online Dating Recommendations: Matching Markets and Learning Preferences

Kun Tu, Bruno Ribeiro외 5명|arXiv (Cornell University)|2014. 01. 31.

Sexuality, Behavior, and Technology참고 문헌 15인용 수 25

한 줄 요약

이 논문은 메시징 행동과 사용자 프로필을 기반으로 한 LDA 기반의 확률 모델을 사용하여 발신자와 수신자의 선호도를 동시에 모델링하는 온라인 데이팅 추천을 위한 이면적 매칭 프레임워크를 제안한다. 학습된 수신자 선호도를 통합함으로써, 발신자 전용 추천 대비 성공 매칭 비율이 최대 48% 향상되며, 자가 보고된 특징에 의존하는 것보다 행동에서 실제 선호도를 학습하는 것이 더 가치가 있음을 입증한다.

ABSTRACT

Recommendation systems for online dating have recently attracted much attention from the research community. In this paper we proposed a two-side matching framework for online dating recommendations and design an LDA model to learn the user preferences from the observed user messaging behavior and user profile features. Experimental results using data from a large online dating website shows that two-sided matching improves significantly the rate of successful matches by as much as 45%. Finally, using simulated matchings we show that the the LDA model can correctly capture user preferences.

연구 동기 및 목표

• 발신자 선호도만 고려하는 데 기인한 불균형으로 인해 메시지 수가 많고 회신률이 낮은 온라인 데이팅 추천 문제를 해결하기 위해.
• 성공적인 매칭을 위해 발신자와 수신자 양측의 선호도가 모두 충족되어야 하는 매칭 시장으로서 온라인 데이팅의 이면적 특성을 모델링하기 위해.
• 자기 선호도를 선언하는 것에 의존하기보다는 관찰된 메시징 행동과 사용자 프로필 특징에서 수신자 선호도를 학습하기 위해.
• 학습된 수신자 선호도를 통합함으로써 성공 매칭 비율(회신률로 측정)이 크게 향상됨을 입증하기 위해.
• LDA가 비정형 사용자 텍스트(예: 자기 소개)를 선호도 학습을 위한 특징으로 효과적으로 모델링할 수 있음을 보여주기 위해.

제안 방법

• 매칭 성공 여부가 두 당사자 모두가 긍정적으로 반응할 가능성이 높을 경우에만 추천이 이루어지는 이면적 매칭 시장으로서 온라인 데이팅을 수립한다.
• 수신자 및 발신자 수용 능력 제약 조건 하에 기대 효용(총 회신 수)을 최대화하는 최적화 문제를 정의한다.
• 사용자 프로필 특징과 관찰된 메시지 교환을 기반으로 사용자 선호도를 학습하기 위해 확률적 LDA 모델을 사용한다.
• 사용자가 생성한 텍스트(예: 자기 소개)와 메시징 행동을 기반으로 하여 잠재된 선호도 주제를 추론하기 위해 LDA 모델을 훈련한다.
• 학습된 선호도 확률( f(s,r) 및 g(r,s) )을 이면적 매칭 최적화에 통합하여 추천을 안내한다.
• 시뮬레이션된 매칭을 통해 LDA 모델이 사용자 선호도를 정확히 포착함을 검증한다.

실험 결과

연구 질문

• RQ1 자기 보고된 선호도에 의존하는 대신, 메시징 행동과 사용자 프로필에서 온라인 데이팅의 수신자 선호도를 효과적으로 학습할 수 있는가?
• RQ2 발신자와 수신자 양측의 선호도를 고려하는 이면적 매칭 프레임워크가 단순 발신자 전용 추천 대비 매칭 성공률을 크게 향상시키는가?
• RQ3 LDA 기반 모델이 자기 선호도 대비 사용자 회신 행동을 예측하는 데 얼마나 잘 성능을 내는가?
• RQ4 LDA가 자기 소개와 같은 비정형 사용자 텍스트에서 의미 있는 선호도 표현을 효과적으로 추출할 수 있는가?
• RQ5 제안된 이면적 매칭 프레임워크는 대규모 온라인 데이팅 플랫폼에 대해 확장 가능하고 실용적인가?

주요 결과

• 학습된 수신자 선호도를 포함한 이면적 매칭 프레임워크는 첫 번째 연락 후 회신률로 측정된 성공 매칭 비율을 발신자 전용 추천 대비 최대 48% 향상시킨다.
• 메시징 행동과 사용자 프로필을 기반으로 훈련된 LDA 모델은 수신자가 메시지에 회신할지를 예측하는 데 자기 선언된 선호도보다 뛰어난 성능을 보인다.
• 시뮬레이션된 매칭을 통해 LDA 모델이 유사한 사용자를 정확히 분류하고 그들의 잠재된 선호도를 학습함을 확인할 수 있다.
• 이 프레임워크는 수동 레이블링이 필요 없이 비정형 텍스트(예: 자기 소개)를 입력 특징으로 효과적으로 활용한다.
• 그래프 기반 협업 필터링은 인위적인 클러스터링과 유사한 구애자 간의 경쟁으로 인해 대규모이고 희박한 데이팅 네트워크에서는 덜 효과적임을 입증하였다.
• 제안된 확률적 최적화 프레임워크는 이진 정수 프로그래밍의 계산 복잡성과 부분 최적화 문제를 피함으로써 확장 가능한 구현을 가능하게 한다.