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…

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