投稿日: SIGIR 論文紹介

Your neighbors affect your ratings: on geographical neighborhood influence to rating prediction

Hu, Longke and Sun, Aixin and Liu, Yong
In Proc. of SIGIR 2014

概要

sの周辺の店の情報を利用することで、ユーザusに対するレーティング(星1~5)の予測を目的とした論文。

先行研究との違い

ユーザのアイテムに対するレーティングから行列を作成してmatrix factorization(MF)を適用する手法や、ユーザ間の影響を考慮したMFは提案されてきたが、地理的な情報を考慮してMFに適用したのはこの研究が初めて。

手法の概要

ユーザuの店sに対するレーティングを予測する際に、通常のMFに以下の要素を加えることで拡張。

  1. sの周辺k件の店の情報(各店を20次元に圧縮したベクトルで表現)。予備調査から、sに対するレーティングと周辺の店のレーティングには弱い相関があることがわかっており、この要素を加えた。
  2. sの属するカテゴリ情報(各カテゴリを20次元に圧縮したベクトルで表現)。各カテゴリに対するuの好みを考慮。
  3. sに対する他のユーザのレビュー文情報(各単語を20次元に圧縮したベクトルで表現)。
  4. sの人気度(レビュー数とチェックイン数の和)。
  5. uの”home location”とsの距離。

評価

Yelpの公開データを使用して、通常の推薦の研究と同様、テストデータにおけるMAEとRMSEを評価。
実験の結果、要素1~4を組み合わせた手法が最も精度が高く、要素5を取り入れると精度が悪化した。これは、ユーザが普段活動している場所からの距離はレーティングには無関係であることを表している。


-SIGIR, 論文紹介

関連記事

Good Abandonment in Mobile and PC Internet Search

Li, Jane Huffman, Scott Tokuda, Akihito In Proc of SIGIR2009 http://dl.acm.org/citation.cfm?id=15719 …

Experiments with a Venue-Centric Model for Personalisedand Time-Aware Venue Suggestion

Deveaud, Romain and Albakour, M-Dyaa and Macdonald, Craig and Ounis, Iadh In Proc. of CIKM 2015 概要 ユ …

Web Object Retrieval

Nie, Zaiqing Ma, Yunxiao Shi, Shuming Wen, Ji-Rong Ma, Wei-Ying In Proc. of WWW 2007 http://dl.acm.o …

Can social features help learning to rank youtube videos?

Chelaru, Sergiu Viorel Orellana-Rodriguez, Claudia Altingovde, Ismail Sengor In Proc. of WISE 2012 概 …

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 …