[论文解读] A Consensus-Focused Group Recommender System

Stratis Ioannidis, S. Muthukrishnan+1 more|arXiv (Cornell University)|Dec 26, 2013

Recommender Systems and Techniques参考文献 11被引用 3

一句话总结

本文提出了一种以共识为核心的群体推荐系统，通过异步投票和反馈建模社会影响，以提升群体活动推荐效果。该系统引入了一种决策级联模型，用于估计个体投票如何受到先前群体决策的影响，在预测准确率方面显著优于仅基于个体偏好的模型（AUC 0.85 vs. 0.61）。

ABSTRACT

In many cases, recommendations are consumed by groups of users rather than individuals. In this paper, we present a system which recommends social events to groups. The system helps groups to organize a joint activity and collectively select which activity to perform among several possible options. We also facilitate the consensus making, following the principle of group consensus decision making. Our system allows users to asynchronously vote, add and comment on alternatives. We observe social influence within groups through post-recommendation feedback during the group decision making process. We propose a decision cascading model and estimate such social influence, which can be used to improve the performance of group recommendation. We conduct experiments to measure the prediction performance of our model. The result shows that the model achieves better results than that of independent decision making model.

研究动机与目标

• 解决群体推荐系统在群体决策过程中忽视推荐后反馈的缺陷。
• 建模社会影响在群体共识形成过程中的作用，其中个体决策受他人先前投票的影响。
• 通过将观测到的反馈和投票动态整合到决策级联模型中，提升群体推荐的准确性。
• 设计一种支持异步投票、评论和动态推荐更新的系统，用于群体活动。
• 利用真实世界群体活动数据，评估社会影响对预测性能的影响。

提出的方法

• 系统采用决策级联模型，其中每个用户的投票取决于其个体偏好以及先前投票者的加权影响。
• 模型采用概率公式：Pr(y_u,i=1) = 1 - (1-p(u|i)) * ∏(1-p(v|u))，其中v为在u之前投票的所有用户。
• 通过几何规划公式，利用最大似然法估计成对影响p(v|u)和个体偏好p(u|i)。
• 模型将个体偏好视为已知常数，并从观测到的投票序列中估计影响参数。
• 系统通过支持异步投票、活动创建、好友推荐和评论线程的界面收集反馈。
• 参数估计通过带约束的几何规划实现，确保概率边界的合理性及不等式约束的满足。

实验结果

研究问题

• RQ1 群体决策过程中社会影响如何影响个体在群体推荐中的投票行为？
• RQ2 能否通过捕捉顺序投票行为的决策级联模型，提升对个体偏好模型的预测准确率？
• RQ3 观测到的推荐后反馈在多大程度上提升了群体推荐系统的性能？
• RQ4 社会影响的引入对预测群体共识的AUC和准确率有何影响？
• RQ5 异步投票和反馈对群体活动选择中的共识形成有何影响？

主要发现

• 基于影响的决策级联模型在测试集上达到0.85的AUC，显著优于基线逻辑回归模型（AUC 0.61）。
• 该模型的真正例率（0.77 vs. 0.52）和准确率（0.70 vs. 0.65）均高于基线，表明对正向投票的预测能力得到提升。
• 假正例率较高（0.60 vs. 0.35），可能是因为存在未明确表态的用户，未提供“喜欢”或“不喜欢”投票。
• 系统共收集了4,398个有效投票，覆盖277个群体活动，平均群体规模为2、4或8名成员，平均每位个体参与54场活动，共19人参与。
• 该模型在不同群体规模下性能提升保持一致，表明对群体动态具有鲁棒性。
• 几何规划公式实现了影响和偏好参数的高效且稳定的参数估计。