読者です 読者をやめる 読者になる 読者になる

読んでみた…:eTrust: Understanding Trust Evolution in an Online World(KDD12)

ユーザ間の信頼性とその発展の視点はあまり見たことなかったので,完全にはわからないながらも(既存手法を知らないので)読んでみた.レビューサイトを使っているあたりもわかりやすいかなと思ったので…

 

http://www.public.asu.edu/~jtang20/publication/trustEvolution.pdf

 

概要

既存のTrustに関する研究は,Staticなものがほとんどであった.そこで,本稿ではTrustの発展に関して調査する.本稿ではeTrustを提案する.これは,オンラインの製品レビューのユーザの好みのダイナミクスを利用するものである.最終的に,評点予測とユーザ間のTrustを予測する.

 

貢献

・オンライン上のTrustの発展を学習する方法論を提供

・ユーザの好みを利用したeTrustを提案

・ユーザやアイテムに対するユーザの好みの変化や信頼関係の変化についての発見

・実データでの提案手法の評価

 

ユーザとアイテムは追加されるがなくならないとする.信頼ネットワークの成長と評点の変化を観測.

 

手法

既存のLatent factor model(ユーザのある時刻での好みと,アイテムの特徴ベクトルを利用する)とTrustネットワークのNearest Neighborhood modelの混合式を利用.

成長を考慮するため,好みの変化を考慮する項が入っている.評点の影響力は時刻の経過で指数的に減少

 

※数式はものすごい数の記号の定義があるので省略.数式追い切れない…勉強不足です

 

パラメータの推定には, 射影勾配法 を利用.

 

評価は,ユーザの評点予測,信頼の強さの予測

データを11分割し,10期間で学習し,11期目を予測する.

データには,オンラインレビューサイトのEpinionsを利用.

Trusutネットワークは特に言及されていないけど,お気に入り登録=Trustだと思っていのかな…

 

コールドスタート問題に対応するため,新規ユーザやアイテムは,ユーザやアイテムのプロファイルから近傍のユーザ、アイテムを探しそれを利用する.

 

・3ユーザ間の部分グラフの構造によって,信頼関係の発展スピードが大きく異なる(

・同じような好みを持つユーザはお互いを信頼する傾向がある

・ユーザの好みはドリフトする.とくに変化が大きいのは,Epinionsが他のサービスに買収?されたとき

・人々はお互いに多重の・異種の信頼関係を持つ.各々の商品カテゴリで,人々が強く信頼するグラフが異なる

 

既存手法との比較

・評点予測

1.過去の評点の平均

2.TrusutNWの近傍ユーザから予測

3.ユーザの好みとアイテムの特徴から予測,

4.2と3の組み合わせ

5.提案法(4に加えてカテゴリによるユーザの信頼の変化を導入)

 

提案法が最も誤差小さい

 

・信頼予測

1.評点の類似度とプロファイルの類似度から予測

2.Trustネットワークの伝播から予測

3.1と2を混ぜる

4.提案法

 

提案法が最も精度がいい