[논문 리뷰] Session-Based Hotel Recommendations: Challenges and Future Directions

Jens Adamczak, G.P.M. Leyson외 6명|arXiv (Cornell University)|2019. 07. 31.

Recommender Systems and Techniques참고 문헌 17인용 수 6

한 줄 요약

이 논문은 세션 기반 호텔 추천에서의 세 핵심 과제인 다수 이해관계자 가치 인식, 데이터 희소성 및 냉시작 문제, 높은 계산 요구량을 갖는 동적 입력을 규명하고 분석한다. 기존 접근법을 검토하고 한계점을 제기하며, 특히 trivago의 실제 세션 데이터를 활용한 ACM RecSys 챌린지 2019의 맥락에서 전자여행(e-tourism) 추천 시스템 향상을 위한 향후 연구 방향을 제안한다.

ABSTRACT

In the year 2019, the Recommender Systems Challenge deals with a real-world task from the area of e-tourism for the first time, namely the recommendation of hotels in booking sessions. In this context, this article aims at identifying and investigating what we believe are important domain-specific challenges recommendation systems research in hotel search is facing, from both academic and industry perspectives. We focus on three main challenges, namely dealing with (1) multiple stakeholders and value-awareness in recommendations, (2) sparsity of user data and the extensive cold-start problem, and (3) dynamic input data and computational requirements. To this end, we review the state of the art toward solving these challenges and discuss shortcomings. We detail possible future directions and visions we contemplate for the further evolution of the field. This article should, therefore, serve two purposes: giving the interested reader an overview of current challenges in the field and inspiring new approaches for the ACM Recommender Systems Challenge 2019 and beyond.

연구 동기 및 목표

• 학계 및 산업계 관점에서 세션 기반 호텔 추천 분야의 도메인 특화 과제를 규명하고 분석하는 것.
• 다수 이해관계자 추천 시스템에서 사용자 수요, 호텔 공급자, 플랫폼 수익화 간의 상호작용을 검토하는 것.
• 낮은 상호작용이 발생하는 전자여행 환경에서 데이터 희소성 및 냉시작 문제의 추천 정확도에 미치는 영향을 조사하는 것.
• 실시간 세션 처리를 통한 생산 환경의 추천 시스템에서 발생하는 계산 및 동적 데이터 과제를 평가하는 것.
• 가치 인식, 다양성, 시스템 확장성 향상을 위한 향후 연구 방향을 제안하는 것.

제안 방법

• 논문은 세션 기반 추천에 적용 가능한 기법에 중점을 두고 최신 기술에 대한 종합적 검토를 수행한다.
• MRR, NDCG, 슔피어만의 순위 상관관계, 재계산 유사도와 같은 지표를 사용하여 추천 품질 및 목록 구성 요소를 평가하는 분석을 수행한다.
• 실제 전자여행 환경에 기반한 분석을 위해 trivago의 공개 데이터셋에서 확보한 실제 세션 데이터를 활용한다.
• 사용자 행동을 순차적 패턴, 임bedding 기법, 딥러닝 아키텍처를 통해 모델링하는 알고리즘적 접근법을 검토한다.
• 비즈니스 목표를 추천 설계에 통합하여 사용자 만족도, 공급자 이익, 플랫폼 수익을 균형 잡는 가치 인식 모델링을 주장한다.
• 알고리즘 변화를 진단하고 추천 목록의 안정성 및 다양성을 평가하기 위해 목록 비교 지표의 사용을 제안한다.

실험 결과

연구 질문

• RQ1 어떻게 추천 시스템은 세션 기반 호텔 추천에서 사용자, 호텔 공급자, 플랫폼이라는 다수 이해관계자의 수요를 효과적으로 균형 잡을 수 있는가?
• RQ2 데이터 희소성 및 냉시작 문제는 호텔 예약 도메인의 세션 기반 추천 모델 성능을 어느 정도 제한하는가?
• RQ3 확장 가능한 호텔 추천 시스템에서 실시간 사용자 세션 처리를 위한 계산 및 동적 데이터 과제는 무엇인가?
• RQ4 수익, 클릭률, 예약 전환율과 같은 비즈니스 지표를 포함시켜 가치 인식 추천 모델을 어떻게 설계할 수 있는가?
• RQ5 정확도를 넘어서 세션 기반 호텔 추천의 품질을 향상시키기 위해 다양성, 커버리지, 놀라움(세렌디피티)은 어떤 역할을 하는가?

주요 결과

• 논문은 사용자 만족도, 호텔 공급, 플랫폼 수익화를 균형 잡는 다수 이해관계자 일치가 호텔 추천 시스템에서 핵심이지만 여전히 다루지 않은 과제임을 규명한다.
• 데이터 희소성 및 냉시작 문제로 인해 모델 성능이 크게 저하되며, 특히 음악이나 영상 스트리밍과 같은 다른 도메인에 비해 호텔 예약의 빈도가 낮기 때문에 더욱 심각한 영향을 미친다.
• MRR 및 NDCG와 같은 평가 지표는 클릭과 실제 예약과 같은 다수 수준의 관련성(관련성)을 포착하지 못하므로, 더 세밀한 관련성 모델링이 필요하다.
• 스피어만의 순위 상관관계 및 재계산 유사도와 같은 목록 비교 지표는 정확도 지표가 안정된 상태에서도 알고리즘 변경으로 인해 추천 목록 구성에 상당한 변화가 생길 수 있음을 드러낸다.
• 현재 접근법은 수익 창출 및 공급자 인cent라이브를 포함한 비즈니스 수준 목표를 자주 간과하고 있어, 가치 인식 추천 설계에서 격차가 있음을 시사한다.
• 향후 연구는 비즈니스 지표를 모델 목표 및 평가에 통합하는 데 우선순위를 두어야 하며, 특히 세션 기반 호텔 추천에서 확장성, 다양성, 놀라운 발견(세렌디피티) 향상에 초점을 맞춰야 한다.