flame: probabilistic model combining aspect based opinion mining and collaborative filtering
TRANSCRIPT
WDSMWU&ESTER 2015
1
Thursday, May 14, 15
WHO
•バクフー株式会社 柏野 雄太
Thursday, May 14, 15
読んだ論文
• FLAME: Probabilistic Model Combining Aspect Based Opinion Mining and Collaborative Filtering
• Yao Wu / Matin Ester
• collaborative filtering -> opinion mining
• large geo DB -> spatial data mining
• Review Mining using LDA like method
Thursday, May 14, 15
動機
Thursday, May 14, 15
動機
• webの世界にはレビューが溢れているが，沢山ありすぎて全部読めない
•同じ対象でも意見は各人多様のプリファレンスを持つので容易に扱えない
•それでもレビューは意思決定に役に立つはずだ
Thursday, May 14, 15
先行研究• Collaborative Filtering + LDA (science articles)
• Wang & Blei 2011
↵ ✓ z w �
r�v
�u u
N K
J
I
v
rij ⇠ N (uTi vj , c
�ij1)
✓j ⇠ Dirichlet(↵) wjn ⇠ Mult(�zjn)
rij 2 {0, 1}
r : overall rating
v : latent item distribution
u : latent user preference
Thursday, May 14, 15
先行研究• Aspect-based Opinion Mining (hotel review)
• Wang et al. 2010
⌃
µ
↵
�2 �
s wr
DK
r : overall rating
s : aspect rating
Thursday, May 14, 15
ASPECT?
• location, sleep quality, room, service, value, cleanliness
Thursday, May 14, 15
提案モデル
Thursday, May 14, 15
提案モデル�i,a �u
'd,a
✓d
rd
⌘0 ⌘u ⌘i
st
at
wn
�a
�a,rW
T
D
A
A
IU
UI
R
A
p(wn|at, st,↵) ⇠ Multi(↵at,st)
↵a,s[j] =exp(�a[j] + �a,s[j])PVl=1 exp(�a[l] + �a,s[l])
rd ⇠ N (X
a
✓d[a]E[rd, a],�2r)
E[rd, a] = �Tu�i,a
Thursday, May 14, 15
提案モデル�i,a �u
'd,a
✓d
rd
⌘0 ⌘u ⌘i
st
at
wn
�a
�a,rW
T
D
A
A
IU
UI
R
A
p(wn|at, st,↵) ⇠ Multi(↵at,st)
↵a,s[j] =exp(�a[j] + �a,s[j])PVl=1 exp(�a[l] + �a,s[l])
rd ⇠ N (X
a
✓d[a]E[rd, a],�2r)
E[rd, a] = �Tu�i,a
潜在ユーザ選好
語-アスペクトの相関
語,アスペクト,評価の相関
文ごとのアスペクト
文ごとの評価
アスペクトごとの評価分布
評価分布
評価の出やすさの潜在変数
アスペクト分布
Thursday, May 14, 15
生成プロセス
Thursday, May 14, 15
LIKELIFOOD• MAP
•変分ベイズ
{{⌘}, {�},�, �}
{↵, s}
Thursday, May 14, 15
実験と結果 データ
• TripAdvisor / Yelp
Thursday, May 14, 15
実験と結果 PERPLEXITY
• FLAMEがアウトパフォーム
TripAdvisor Yelp
LDA-A
LDA-AR
D-LDA
FLAME
1012.80 767.24
918.07 728.00
771.05 621.24
733.12 590.46
Thursday, May 14, 15
実験と結果 PREDICTION
• TripAdvisorアスペクト評価予測
PMF LRR+PMF FLAME
RMSE 0.970 1.000 0.980
N/A 0.110 0.195
0.304 0.177 0.333
0.210 0.238 0.196
⇢A
⇢I
L0/1
Pearson correlation inside reviews ⇢A =
1
D
AX
d=1
⇢(sd, s⇤d)
Pearson correlation pers.ed ranking ⇢I =
1
UA
UX
u=1
AX
d=1
⇢(sIu,a , s⇤Iu,a
)
Thursday, May 14, 15
実験と結果 質的評価�a �a,r
Thursday, May 14, 15
将来の応用 アスペクト分布•ユーザごとのレビュー推薦
•推薦の理由付け
Thursday, May 14, 15