投稿日: SIGIR 論文紹介

【論文紹介】Exploiting Geographical Influence for Collaborative Point-of-Interest Recommendation

Ye, Mao and Yin, Peifeng and Lee, Wang-Chien and Lee, Dik-Lun
In Proc. of SIGIR 2011

概要

POIに対するユーザの興味、友人からの影響、POI間の地理的な近さ、の3要因を考慮したPOIの推薦手法を提案した論文。POI推薦の研究においてこの3要因を同時に考慮した初めての研究。

手法

推薦の対象になるPOIの3つの各要因のスコアは以下のように求める。推薦のための最終的なスコアは3要因のスコアの重み付き線形和により求める。
ユーザ-POI行列を利用するが、ユーザがPOIを1回以上訪れていれば1、未訪問なら0のバイナリ表現であり、訪問回数は考慮しない。

  • POIに対するユーザの興味
  • 従来の協調フィルタリングの手法によりスコアを計算。ユーザ間の類似度はユーザごとのPOIベクトルのコサイン類似度により計算。

  • 友人からの影響
  • チェックインサービス上で明示的な友人関係にあるユーザからの影響によりスコアを計算。従来の強調フィルタリングにおいて「ユーザ間の類似度」を「友人からの影響力」に置き換えることで計算。友人からの影響力は共通の友人の数と共通の訪問済みPOIの数により求める。

  • POI間の地理的な近さ
  • 訪問済みのPOIと地理的に近いPOIほどユーザが興味を持つ可能性が高いという仮説に基づき、POIのスコアを計算。FoursquareとWhrrlのデータを使って、この仮説が成り立っていることも示している。距離が遠くなると、ユーザが訪問する確率は指数関数的に減少していくことがわかったので、指数関数的な表現を取り入れた式を提案している。

評価

FoursquareとWhrrlのデータを使用。各ユーザの30%のデータをテストに使用。スコアの高い5件、10件、20件のPOIを推薦したときのPrecisionとRecallを計算。
3要因を単独で使用した場合、POIに対するユーザの興味が最も高い精度であった。要因を組み合わせることで精度は上昇し、3要因すべてを使用した場合が最も高精度であった。

データがよりスパースな状況を想定して、各ユーザの50%のデータをテストに使用した場合の評価も行った。データがスパースになると、従来の協調フィルタリングが上手く働かなくなるので、POI間の地理的な近さに基づく推薦の精度が高くなる。
さらに、コールドスタート問題を想定して、テストデータを除いたチェックイン数が5件未満のユーザだけを対象に評価を実施。この場合、ユーザの友人は多数のPOIにチェックインしていることがあるので、友人からの影響に基づく推薦の精度が高くなる。
いずれの場合も、3要因すべてを組み合わせた場合の精度が最も高くなる。


-SIGIR, 論文紹介

関連記事

Everyday Life Music Information-Seeking Behaviour of Young Adults

Audrey Laplante J. Stephen Downie In Proc. of ISMIR 2006 概要 20人の若者を対象に、新しい音楽を探す際にとる行動についてインタビューを行い、結 …

Predicting clicks: estimating the click-through rate for new ads

Richardson, Matthew Dominowska, Ewa Ragno, Robert In Proc. of WWW2007 概要 検索結果の横に表示される広告のCTRの推定を目的として …

An Eye Tracking Study of the Effect of Target Rank on Web Search

Guan, Zhiwei Cutrell, Edward In Proc. of CHI2007 http://dl.acm.org/citation.cfm?id=1240691 概要 デスクトップ …

【論文紹介】Online Actions with Offline Impact: How Online Social Networks Influence Online and Offline User Behavior

Althoff, Tim and Jindal, Pranav and Leskovec, Jure In Proc. of WSDM 2017 概要 スマホのArgusという活動記録アプリのログから …

AutoWeb: automatic classification of mobile web pages for revisitation

Liu, Jie Xu, Wenchang Shi, Yuanchun In Proc. of MobileHCI 2012 http://dl.acm.org/citation.cfm?id=237 …