Personalized Recommendation of Social Software Items Based on Social Relations

1. Personalized Recommendation of
Social Software Items Based on
Social Relations
永野 里佳奈
静岡大学 情報学部 行動情報学科
nagano@design.inf.shizuoka.ac.jp
ジャーナルクラブ
2019年11月5日
1

2. 論文のタイトル・著者・出典
Personalized Recommendation of Social
Software Items Based on Social Relations
Ido Guy, Naama Zwerdling, David Carmel,
Inbal Ronen, Erel Uziel, Sivan Yogev, Shila
Ofek-Koifman
Proceeding RecSys '09 Proceedings of the
third ACM conference on Recommender
systems
2

3. 論文が狙っていること（140文字）
ユーザーの社会的関わりを基に、関心を
持ちそうなブックマーク・ブログの記
事・コミュニティを推薦するシステムを
提案した。
社会的関わりはユーザーと似ている人・
直接繋がっている人の2種類を用意し、違
いを比較する。
内容的な類似度よりも社会的関係を使っ
た方が精度が高いことが分かった
3

4. 論文が狙っていること（画像）
4
他の人の
ブックマーク
ブログ
コミュニティ

5. 提案するシステム
5
推薦された理由
（条件によってない）
関連している人の
名前
おすすめのブックマーク・ブログの記事・
コミュニティを５つ表示

6. familiarityとsimilarityとは
familiarity（知り合いの似てる度）
– wikipediaや論文などで共著関係
– SNSのタグ？で繋がっている
similarity（似ている人）
– 同じタグを使っている
– 同じページをブックマークしている
– 同じブログ記事にコメントしている
6

7. 推薦スコアの出し方
7
i=推薦するもの =SONARスコア
u=ユーザー R(v, i)=ユーザーｖとiの関係タイプ
t(i)=作成から経った日 例）bookmarking
a=情報の古さ0.025 W(r)=↑の具体的な値
=ユーザーのネットワークタイプ 例）bookmarkingなら0.3
のセット
v=別のユーザー
T=familiarity, similarity, overall
推薦する
ものiの
新しさ
ユーザーuと
ユーザーvの
関連度
ユーザーvと
推薦するiの
関連度

8. 実験
システムに使う関係性で被験者を分類
推薦したものを面白い・面白くない・
知っていたに評価する
被験者に提案するシステムのリンクを送
る・ホームページを作る（3週間）
実験を行う
8
Familiarity・理由あり Familiarity・理由なし
Similarity・理由あり Similarity・理由なし
Overall・理由あり Overall・理由なし

9. 結論
Familiarity（知り合い）を使う
推薦理由を示す
ブックマークページを推薦する
最も効果的に推薦ができる
システムに対して、被験者は
ポジティブな感想を持った
9

10. 感想
読むだけでなく、論文を見つけるのと短
くまとめるのが難しかった
今までに知らなくて、かつ気になる意外
な情報を推薦されたらうれしい
似ている他人より、もともと繋がりのあ
る人の方が効果のある推薦ができること
に驚いた。
10