[論文レビュー] Recommendation and Personalization: A Survey

Saverio Perugini, Marcos Andr|arXiv (Cornell University)|May 22, 2002

Recommender Systems and Techniques参考文献 197被引用数 11

ひとこと要約

本論文は、推薦およびパーソナライゼーションシステムの主題的サーベイを提示し、システム、技術、オペレータを統合するための機能的比喩を用いて、三つのコアなテーマ—推薦、ソーシャルネットワークの活用、パーソナライズド情報アクセス—を中心に分野を整理している。本稿は、分野における手法、課題、今後の方向性について包括的で構造的な概要を提供する。

ABSTRACT

Recommendation and personalization attempt to reduce information overload and retain customers. While research in both recommender systems and personalization grew mainly out of information retrieval, both areas have emerged from nascent levels to veritable and challenging research areas in their own right. Whereas no technical or sophisticated methodologies exist by which to build such systems, the field also lacks a comprehensive, yet manageable survey by which to study recommendation systems and personalization facilities. In this paper, we attempt to fill that gap by presenting a thematic approach toward studying recommendation and personalization. Specifically, we present three major representative personalization themes: recommendation; induction, exploration, and exploitation of social networks; and personalization of information access. We unify the presentation of the three themes which we have extracted from the rich landscape of recommender system and personalization research via a functional metaphor, where inputs and output to a function are identified in each theme and instantiated through a number of systems and projects visited. In addition, we examine how a number of systems implement the function through various operators and techniques. Finally, we cover several broadening aspects, such as targeting, privacy and trust, and evaluation, regarding recommendation and personalization and present visions of future directions and challenges. Keywords:

研究の動機と目的

• 推薦およびパーソナライゼーション研究において、包括的かつ管理可能なサーベイが不足しているという問題に応えること。
• 入力、出力、システムオペレータに基づく機能的比喩を用いて、推薦システムおよびパーソナライゼーション分野の多様な研究を統合すること。
• さまざまな技術およびオペレータを用いて、システムがどのようにパーソナライゼーション機能を実装しているかを検討すること。
• ターゲティング、プライバシー、信頼性、評価の側面といった、パーソナライゼーションシステムにおける包括的側面を検討すること。
• 推薦およびパーソナライゼーション分野における今後の研究方向性と課題を提示すること。

提案手法

• 本論文は、推薦およびパーソナライゼーション研究を三つの主要なテーマに分類する主題的アプローチを採用している：推薦、ソーシャルネットワークの誘導／探索、パーソナライズド情報アクセス。
• 各テーマを入力と出力が明確に定義された関数としてモデル化する機能的比喩を用い、システム間の体系的な比較を可能にしている。
• 実世界のシステムやプロジェクトを分析することで、機能的比喩を具体化し、入力がどのように処理され、出力が生成されるかを同定している。
• 協調フィルタリング、コンテンツベースフィルタリング、ソーシャルネットワーク分析などのさまざまなオペレータおよび技術が、機能的コンポーネントを実装する役割を果たすことを検討している。
• ターゲティング、プライバシー、信頼性、評価指標の観点からシステムを評価し、トレードオフや設計上の配慮を強調している。
• 合成された知見に基づき、スケーラビリティ、適応性、倫理的懸念を焦点にした今後の方向性が議論されている。

実験結果

リサーチクエスチョン

• RQ1 推薦およびパーソナライゼーション研究は、多様な手法や応用分野を統合的に整理・統一するには、どのように体系的に整理できるか？
• RQ2 推薦およびパーソナライゼーションシステムに共通する、コアな機能的コンポーネント（入力、出力、オペレータ）とは何か？
• RQ3 異なるシステムは、協調フィルタリングやソーシャルネットワーク分析といった特定の技術をどのように用いてパーソナライゼーション機能を実装しているか？
• RQ4 パーソナライゼーションシステムにおけるプライバシー、信頼性、評価に関する主な課題は何か？
• RQ5 推薦およびパーソナライゼーション分野における新たなトレンドおよび今後の研究方向性は何か？

主な発見

• 主題的アプローチは、推薦、ソーシャルネットワークの活用、パーソナライズド情報アクセスという三つのコアなテーマを同定することで、推薦およびパーソナライゼーション分野の多様な研究を効果的に統合した。
• 機能的比喩は、入力と出力が明確に定義された関数としてシステムをモデル化することで、分析および比較のための一貫したフレームワークを提供する。
• 協調フィルタリング、コンテンツベースフィルタリング、ソーシャルネットワーク分析といったさまざまな技術が、パーソナライゼーション機能を実装する有効なオペレータとして示された。
• プライバシー、信頼性、評価は、システム設計および展開に顕著な影響を与える、重要な横断的課題として特定された。
• 本稿は、単一の技術的アプローチが支配的ではないものの、複数のアプローチの統合が、システムの頑健性および適応性を高めることを強調している。
• 今後の研究は、ユーザーのコントロールとシステムの知能のバランスを取る、スケーラブルで倫理的かつ適応可能なパーソナライゼーションシステムに焦点を当てるべきである。