[论文解读] Reciprocal Recommendation System for Online Dating

Peng Xia, Benyuan Liu+2 more|arXiv (Cornell University)|Jan 26, 2015

Sexuality, Behavior, and Technology参考文献 3被引用 6

一句话总结

本文提出了一种在线恋爱配对的互惠推荐系统，通过建模用户沟通模式中的相互兴趣与吸引力来提升匹配效果。该方法基于消息发送与接收行为提出相似性度量，采用协同过滤算法对潜在伴侣进行排序，并表明基于协同过滤的方法在精确率与召回率上显著优于基于内容的方法，同时观察到性别相关的行为差异。

ABSTRACT

Online dating sites have become popular platforms for people to look for potential romantic partners. Different from traditional user-item recommendations where the goal is to match items (e.g., books, videos, etc) with a user's interests, a recommendation system for online dating aims to match people who are mutually interested in and likely to communicate with each other. We introduce similarity measures that capture the unique features and characteristics of the online dating network, for example, the interest similarity between two users if they send messages to same users, and attractiveness similarity if they receive messages from same users. A reciprocal score that measures the compatibility between a user and each potential dating candidate is computed and the recommendation list is generated to include users with top scores. The performance of our proposed recommendation system is evaluated on a real-world dataset from a major online dating site in China. The results show that our recommendation algorithms significantly outperform previously proposed approaches, and the collaborative filtering-based algorithms achieve much better performance than content-based algorithms in both precision and recall. Our results also reveal interesting behavioral difference between male and female users when it comes to looking for potential dates. In particular, males tend to be focused on their own interest and oblivious towards their attractiveness to potential dates, while females are more conscientious to their own attractiveness to the other side of the line.

研究动机与目标

• 设计一种推荐系统，以匹配用户之间相互的兴趣及相互联系的可能性，适用于在线恋爱平台。
• 解决双人、性别受限的恋爱网络中特有的挑战，传统社交网络好友推荐方法在此类场景中不适用。
• 评估基于内容的方法与协同过滤方法在预测相互消息交互行为方面的有效性。
• 揭示在线恋爱行为中的性别差异，特别是对自身吸引力的认知以及对他人兴趣的关注程度。

提出的方法

• 基于共享的消息发送模式（兴趣相似性）和共享的消息接收模式（吸引力相似性）提出一种互惠兼容性评分。
• 利用曾被服务用户联系过的用户属性构建用户偏好模型。
• 采用协同过滤算法（CF1–CF4），结合兴趣与吸引力相似性对潜在伴侣进行排序。
• 使用基于用户属性（如年龄、教育程度和收入）的基于内容的算法（CB1、CB2）进行性能对比。
• 应用巴塔查里亚距离评估用户属性在预测消息交互方面的判别能力。
• 采用R-Precision与R-Recall指标评估性能，并分析平均有效推荐位置以评估排序质量。

实验结果

研究问题

• RQ1 如何利用用户的沟通轨迹来建模在线恋爱推荐中的相互兴趣与吸引力？
• RQ2 基于协同过滤的算法与基于内容的方法在预测相互消息交互与兼容性方面有何差异？
• RQ3 在线恋爱中是否存在性别特异的行为模式，特别是对自身吸引力的认知以及对他人兴趣的关注？
• RQ4 用户属性（如年龄、教育程度和婚姻状况）在多大程度上可预测消息交互行为？

主要发现

• 基于协同过滤的算法（CF3与CF4）在精确率与召回率上均显著优于基于内容的方法，其中CF3表现最佳。
• CF3算法（同时捕捉兴趣与吸引力相似性）可将相关推荐排在男性用户推荐列表的前30–50%，但对女性用户仅排在前半部分。
• 基于内容的算法表现较差，因消息接收者与所有用户之间属性分布的巴塔查里亚距离较小，表明判别能力弱。
• 男性用户更关注自身兴趣，对自身吸引力的意识较弱；而女性用户更关注自身被感知的吸引力以及他人对她们的兴趣。
• 用户的沟通轨迹（如谁向谁发送消息）反映了实际的恋爱偏好，这些偏好常与陈述偏好不一致，因此在建模中至关重要。