【紹介】Tutorial: Psychology-informed Recommender Systems RecSys2022 論文読み会 2022/10/22 Higuchi Kokoro(@zerebom_3) Photo by Karthik Sreenivas from Unsplash RecSys '22: Proceedings of the 16th ACM Conference on Recommender Systems September 2022 Pages 714–717 https://doi.org/10.1145/3523227.3547375

自己紹介 所属: Wantedly visit-recommendation Squad 職種: Data Scientist お仕事: Wantedly Visitの推薦ロジックの改善, グロース施策の集計, 分析 趣味: 🎾 🏂 🎮 🍺 󰩶 ♨ 🛫 アカウント: twitter: @zerebom_3 GitHub: @zerebom 樋口 心

心理学と推薦システムを組み合わせる意義 ● 従来の推薦システムはユーザの行動や入力情報から嗜好をモデル化してきた ● 人の嗜好や行動はその人の性格・環境・感情など様々な要因によって左右される 心理学を組み合わせることで ● 行動の解釈が可能に ● 表層的に現れる行動だけでなく、そのプロセスを組み込むことでよりパーソナライズした推薦が可 能に

心理学に基づく推薦システムの分類 ● (認知) Cognition-inspired Recommender Systems ● (性格) Personality-aware Recommender Systems ● (感情)Affect-aware Recommender Systems ※以降のスライド内の画像は https://socialcomplab.github.io/pirs-psychology-informed-recsys/Tutorial_PIRS_RecSys_2022.pdf より引用

Cognition-inspired Recommender Systems 解説 ● 認知とは: 経験や学習から得た知識の集合や、 知覚をもとに情報を処理する能力 ○ ステレオタイプ・記憶・注意・事例ベース推論・学習な ど ● 行動の裏側にある認知プロセスを理解 /導入することでより 意思決定を支援できる推薦システムを作れる ● 認知モデルを取り込んだ手法が多い ref: https://www.wikiwand.com/en/Information_processing_theory

Cognition-inspired Recommender Systems 論文紹介 ● 人の記憶の忘却を加味した協調フィルタリング ● Ebbinghaus Curveでweightをかけることで、人が記憶を徐々に忘れることを再現 [Ren, 2015]: Ren L. A Time-Enhanced Collaborative Filtering Approach. In 2015 4th International Conference on Next Generation Computer and Information Technology (NGCIT) (pp. 7-10). IEEE, 2015.

Cognition-inspired Recommender Systems 論文紹介 ● 映画の推薦サイトの事例 ● 短期記憶を補助するために、過去にチェックした映画をショートリストとして表示するUI ● エンゲージメントが増大

Personality-aware Recommender Systems 解説 ● パーソナリティは心理学の基本的な概念 ○ OCEAN等, 心理学で確立したモデルを使える ● 特定の文脈や刺激に依存しない, 生涯通じて安定している ○ 固定された次元でアイテムやユーザを表現する推薦システムで利用可能 ● 導入のモチベーション ○ コールドスタート問題の緩和 ○ 推薦システムのパーソナライズの深化 ref: https://ja.wikipedia.org/wiki/%E3%83%93%E3%83%83%E3% 82%B0%E3%83%95%E3%82%A1%E3%82%A4%E3%83%9 6_(%E5%BF%83%E7%90%86%E5%AD%A6)

Personality-aware Recommender Systems 論文紹介 ● 選択した映画の嗜好と性格スコアの相関を調査 ● ユーザのOCEANの各スコアと評価したアイテム内に含まれる ジャンル, 監督, 国, ...などの多様性に相関がある [Chen et al., 2013]: Chen, L., Wu, W., He, L. How personality influences users' needs for recommendation diversity?. Proc. CHI Extended Abstracts 2013.

Personality-aware Recommender Systems 論文紹介 ● Steam(ゲーム)のレコメンド ● User, Itemの性格特性を同定 ● OCEANの5次元ベクトルで表現 ○ User: ソーシャルメディアのポスト ○ Item: プレイしたユーザのベクトル& ゲームのレビュー [Yang and Huang, 2019]: Yang, H.-C., Huang, Z.-R. Mining personality traits from social messages for game recommender systems, Knowledge-Based Systems 165:157-168, 2019.

Affect-aware Recommender Systems 解説 ● 性格よりも動的。コンテキストを考慮した推薦システムで使える ● 性格に比べてあまり推薦システムで開発されていない ○ アイテム・ユーザの表現をコンテキストに応じて変える推薦システムの研究が 多くない ○ リアルタイムな計測が難しい ● 強く短い刺激である情緒(Emotion)と弱く長い刺激であるムード(Mood) に分けられる

Affect-aware Recommender Systems 論文紹介 位置情報を考慮した音楽の推薦 ● 複数ロジックで位置にマッチした音楽を推薦 → 選択する実験 ● ナレッジベースグラフと auto-taggerで位置・ 音楽にムード情報※を付与 ● 人の好みだけでなく、位置と音楽が 持つ情動情報を考慮したロジックが最も 選ばれやすい ※ex.) Warm, Sad, Trilling… [Kaminskas et al., 2013]: Kaminskas, M., Ricci, F., Schedl, M. Location-aware music recommendation using auto-tagging and hybrid matching, Proc. ACM RecSys, 17-24, 2013.

Psychology-informed Recommender Systemsの今後の展望 ● 現状: 協調フィルタリングに係数をかけるもの、コンテンツとパーソナリティベクトルの類似度を取る といったシンプルな手法が多い ● DeepLearningや協調フィルタリングと認知やパーソナリティをうまく統合する ● プライバシーに配慮しつつ、パーソナリティのような個人情報を検出・処理する

まとめ ● 人の嗜好や行動を形成する根本的な心理的メカニズムを解明する、心理学の知識を加えることで よりユーザの嗜好に沿った推薦が可能になる ● 認知、性格、感情に基づいた推薦システムが開発されている ● 比較的シンプルな方法で統合されているので、より効率的な利用が期待される