RecSys2022 論文読み会 | 【紹介】Tutorial: Psychology-informed Recommender Systems

RecSys2022論文読み会での紹介資料です。
https://connpass.com/event/261571/

紹介論文：
Psychology-informed Recommender Systems Tutorial
https://dl.acm.org/doi/abs/10.1145/3523227.3547375
RecSys '22: Proceedings of the 16th ACM Conference on Recommender SystemsSeptember 2022 Pages 714–717

Transcript

1. 【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
   

   View Slide

2. 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
   

   View Slide

3. 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
   

   View Slide

4. 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
   

   View Slide

5. 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
   

   View Slide

6. 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.
   

   View Slide

7. 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
   

   View Slide

8. 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)
   

   View Slide

9. 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.
   

   View Slide

10. 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.
    

    View Slide

11. 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
    

    View Slide

12. 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.
    

    View Slide

13. 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
    

    View Slide

14. 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
    

    View Slide