[논문 리뷰] Towards QoS-Aware Recommendations

Pavlos Sermpezis, Savvas Kastanakis외 5명|arXiv (Cornell University)|2019. 07. 15.

Caching and Content Delivery참고 문헌 36인용 수 7

한 줄 요약

이 논문은 사용자 경험과 참여도를 햖스키기 위해 네트워크 품질보증(QoS)을 콘텐츠 추천에 통합하는 QoS 인식 추천 시스템을 제안한다. 제어된 실험 환경에서 실사용자 실험을 수행한 결과, QoS와 콘텐츠 관련성(QoR), 사용자 관심도를 통합할 경우 인지되는 경험 품질이 향상되며, 최소 QoS와 최소 관심도가 사용자 만족도를 예측하는 데 가장 예측력 있는 요소임을 입증하였다.

ABSTRACT

In this paper we propose that recommendation systems (RSs) for multimedia services should be "QoS-aware", i.e., take into account the expected QoS with which a content can be delivered, to increase the user satisfaction. Network-aware recommendations have been very recently proposed as a promising solution to improve network performance. However, the idea of QoS-aware RSs has been studied from the network perspective. Its feasibility and performance performance advantages for the content-provider or user perspective have only been speculated. Hence, in this paper we aim to provide initial answers for the feasibility of the concept of QoS-aware RS, by investigating its impact on real user experience. To this end, we conduct experiments with real users on a testbed, and present initial experimental results. Our analysis demonstrates the potential of the idea: QoS-aware RSs could be beneficial for both the users (better experience) and content providers (higher user engagement). Moreover, based on the collected dataset, we build statistical models to (i) predict the user experience as a function of QoS, relevance of recommendations (QoR) and user interest, and (ii) provide useful insights for the design of QoS-aware RSs. We believe that our study is an important first step towards QoS-aware recommendations, by providing experimental evidence for their feasibility and benefits, and can help open a future research direction.

연구 동기 및 목표

• 멀티미디어 서비스에서 QoS 인식 추천 시스템의 실현 가능성과 이점을 조사하는 것.
• QoS, 콘텐츠 관련성(QoR), 사용자 관심도가 사용자 경험과 참여도에 미치는 공동 영향을 이해하는 것.
• QoS 인식 추천이 사용자 만족도와 콘텐츠 제공자 참여도를 향상시킬 수 있음을 실증적으로 입증하는 것.
• QoS, QoR, 사용자 관심도를 바탕으로 사용자 경험을 예측하는 통계 모델을 개발하는 것.
• 네트워크 성능을 핵심 차원으로 포함하는 맥락 인식 추천 시스템의 새로운 연구 방향을 마련하는 것.

제안 방법

• 제어된 실험 환경에서 실사용자 실험을 수행하여 다양한 QoS 및 추천 관련성 조건에서의 사용자 경험을 평가하는 것.
• QoS(1–5)와 콘텐츠 관련성(1–5)의 다양한 조합에서 인지되는 경험 품질(QoE)에 대한 사용자 평가를 5점 척도로 수집하는 것.
• QoS, 사용자 관심도, QoR를 변수로 하여 QoE를 예측하는 순서형 회귀 모델을 구축하고, 특징 가중치를 통해 상대적 중요도를 평가하는 것.
• 최소 QoS와 사용자 관심도를 핵심 특징으로 사용하여, 어느 한 쪽에서라도 성능이 열 劣하면 경험 품질이 심각하게 악화된다는 개념을 반영하는 것.
• 다양한 {QoS, 관심도} 조합에서의 모델 예측 결과를 시각화하여 상호 교환 관계를 비교하는 것.
• 특징 가중치를 분석하여 QoS, 관심도, 그들의 최소값이 사용자 만족도에 미치는 상대적 영향을 규명하는 것.

실험 결과

연구 질문

• RQ1 QoS 인식 추천이 영상 스트리밍 서비스에서 사용자 경험을 향상시킬 수 있는가?
• RQ2 사용자가 추천 영상 평가 시 QoS, 콘텐츠 관련성(QoR), 개인적 관심도를 어떻게 가중치를 두는가?
• RQ3 인지되는 경험 품질에 대해 QoS와 콘텐츠 관련성 중 어느 것이 더 큰 영향을 미치는가?
• RQ4 통계 모델이 QoS, QoR, 사용자 관심도를 바탕으로 사용자 QoE를 정확하게 예측할 수 있는가?
• RQ5 낮은 QoS 또는 낮은 관련성이 동일하게 사용자 만족도를 떨어뜨리는 임계점 또는 상호작용 효과가 존재하는가?

주요 결과

• QoS와 사용자 관심도의 최소값이 사용자 경험에 가장 중요한 예측 변수였으며, 특징 가중치 0.53를 보이며 높은 관련성과 높은 QoS가 만족도를 확보하는 데 필수적임을 시사한다.
• QoS만으로는 중간 정도의 영향(가중치 0.17)을 미치지만, 사용자 관심도는 강력한 영향(가중치 0.30)을 미쳐 관련성이 QoS보다 더 중요함을 보여준다.
• 모델 예측에 따르면 {4,3} 추천(QoS=4, 관심도=3)은 {3,4}와 유사한 QoE를 제공하지만, {4,2}는 {2,4}보다 유의미하게 열 劣함을 보이며, 사용자 인식의 비대칭성을 드러낸다.
• 사용자가 QoS 또는 관련성이 낮을 경우 강한 불만을 보이며, 낮은 전달 품질이 관련 없는 콘텐츠와 동일하게 악영향을 미친다는 것을 확인하였다.
• 결과는 QoS 인식 추천이 사용자 경험과 참여도를 향상시킬 수 있음을 실증적으로 입증하며, 제안된 개념의 실현 가능성을 뒷받침한다.
• 이 연구는 QoS를 추천 시스템에 통합할 경우 사용자 만족도와 콘텐츠 제공자 참여도에 측정 가능한 향상 효과가 있음을 입증한다.