[論文レビュー] Recent Advances in Diversified Recommendation

Qiong Wu, Yong Liu+4 more|arXiv (Cornell University)|May 16, 2019

Recommender Systems and Techniques参考文献 33被引用数 24

ひとこと要約

本稿は、推薦システムにおける多様性を測定・最適化するための包括的な分類体系を提示することで、多様性推薦分野における最近の進展をレビューしている。定義、最適化手法、今後の研究方向性を統合的に扱い、個人の多様性、パーソナライゼーション、時間的ダイナミクス、説明可能性、視覚的デザイン、心理学的要因を強調することで、ユーザー満足度の向上と長尾アイテムの露出を促進する。

ABSTRACT

With the rapid development of recommender systems, accuracy is no longer the only golden criterion for evaluating whether the recommendation results are satisfying or not. In recent years, diversity has gained tremendous attention in recommender systems research, which has been recognized to be an important factor for improving user satisfaction. On the one hand, diversified recommendation helps increase the chance of answering ephemeral user needs. On the other hand, diversifying recommendation results can help the business improve product visibility and explore potential user interests. In this paper, we are going to review the recent advances in diversified recommendation. Specifically, we first review the various definitions of diversity and generate a taxonomy to shed light on how diversity have been modeled or measured in recommender systems. After that, we summarize the major optimization approaches to diversified recommendation from a taxonomic view. Last but not the least, we project into the future and point out trending research directions on this topic.

研究の動機と目的

• 精度を最優先とする伝統的な推薦システムの限界（多様性を軽視し、結果として狭い範囲や人気アイテムに偏った推薦を生じる）を是正すること。
• 多様性の多面的性質を、さまざまな定義と測定手法のレビューを通じて明確化すること。
• 研究者が既存の手法を分類・相関関係を理解しやすくするために、多様性最適化手法の構造的分類体系を提供すること。
• パーソナライゼーション、時間的ダイナミクス、説明可能性、視覚的多様性、心理学的駆動モデルを含む、多様性推薦分野における新興の研究方向性を特定・強調すること。
• 特に個人レベルの多様性に焦点を当て、既存のサーベイにおけるギャップを埋める、体系的かつ分類体系に基づく推薦システムにおける多様性のレビューを提供すること。

提案手法

• 特徴タイプ（明示的 vs. 隠れ的）、類似度測定法、モデリングレベル（個人 vs. 総合的多様性）に基づく多様性定義の分類体系を提案する。
• 再ランク付け、損失関数の変更、モデルアーキテクチャの再設計の3つのカテゴリに分類される最適化アプローチを提示し、それぞれが多様性を促進するための異なるメカニズムを有する。
• ユーザー固有の好みと好奇心駆動行動を組み込むことで、多様性におけるパーソナライゼーションの概念を導入し、新規性と関連性を向上させる。
• 時間的多様性を検討し、推薦シーケンスが時間経過とともにどのように変化するかをモデル化し、時間順の相互作用においても多様性を維持する方法を検討する。
• 説明可能な多様性を検証し、推薦の根拠をアイテムの新規性や関連性と結びつける戦略を提案することで、透明性を向上させる。
• レイアウトと視覚的デザインの要素を考慮した視覚的多様性を検討し、空間的および視覚的特徴を考慮するサブモジュラー再ランクフレームワークの導入を提唱する。

実験結果

リサーチクエスチョン

• RQ1 異なる特徴タイプとモデリングレベルにおいて、推薦システムにおける多様性を体系的に定義・測定する方法は何か？
• RQ2 関連性を維持しつつ個人の多様性を向上させるための主要な最適化戦略は何か？また、それらの有効性はどのように比較できるか？
• RQ3 時間的ダイナミクスを多様性推薦に組み込むにはどうすればよいか？長期にわたり多様性を維持するには？
• RQ4 説明可能な推薦手法は、多様性に配慮した説明をどのように拡張できるか？
• RQ5 レイアウトや心理学的原則（例：好奇心）を多様性推薦モデルに統合するにはどのような方法があるか？

主な発見

• 推薦システムにおける多様性は、すでに推薦されたアイテムに対して新規性を最大化することを目的とする個人レベルで最も適切に理解されるべきであり、ユーザー間の総合的多様性とは異なる。
• コンテンツベースおよび協調フィルタリング手法は、類似度に基づく性質上、しばしば狭い範囲や人気アイテムに偏った推薦を生じさせるため、明示的な多様性機構の導入が不可欠である。
• 時間的多様性は、ユーザー行動の順序性をモデル化し、時間経過に伴い推薦リストの多様性が意味的に変化することを保証することで向上可能であるが、現時点ではこれを扱うモデルは少ない。
• 説明可能な多様性はまだ十分に検討されておらず、現在の手法は関連性の説明に焦点を当てているが、新規性や多様性の根拠については十分に説明していない。
• レイアウトに配慮した再ランク付けにより、アイテムの配置や視覚的特徴を考慮することで、視覚的多様性を向上させられるが、既存のアプローチはカテゴリベースのサブモジュラー最適化に限定されている。
• 特にユーザーの好奇心や社会的影響をモデル化する心理学的駆動多様性は、長尾アイテムの発見とユーザー参加度の向上に有望な道筋を示しているが、研究段階にとどまっている。