2020年10月11日および17日に開催される「RecSys2020 論文読み会」の発表資料です。RecSys2020にて発表した「Explainable Recommendation for Repeat Consumption」の紹介です。

1. 佃 洸摂
産業技術総合研究所 人間情報インタラクション研究部門
主任研究員
@ktsukuda
2020年10月11日 RecSys2020 論文読み会
Explainable Recommendation
for
Repeat Consumption

2. 自己紹介 2
研究テーマ：ユーザ生成コンテンツ・音楽コンテンツの推薦・検索・分析
佃 洸摂（つくだ こうせつ）
2014年：学位取得・京都大学博士 (情報学)
2015年：産業技術総合研究所に入所
http://ktsukuda.me/
再消費ER (RecSys’20) 画像検索意図 (SIGIR’20) 多様化ER (RecSys’19)
UGC推薦 (SIGIR’19) コラボ分析 (ICWSM’18) 派生要因分析 (CIKM’16)

3. 企業連携 3
Lyric Jumper（株式会社シンクパワー）
https://lyric-jumper.petitlyrics.com/
歌詞トピックに基づく歌詞探索サービス
歌詞トピック推定モデルの提案・実装を担当
2017/2/21 プレス発表
Kiite（株式会社クリプトン）
https://kiite.jp/
音楽印象分析・音楽推薦に基づく音楽発掘サービス
音楽推薦モデルの提案・実装を担当
2019/8/30 プレス発表
NicoBox（株式会社ドワンゴ）
https://site.nicovideo.jp/nicobox/lp/index.html
音声の再生に特化したニコニコ動画のプレーヤーアプリ
音楽推薦モデルの提案・実装を担当
2019/9/10 発表

4. Explainable Recommendation
for Repeat Consumption
Kosetsu Tsukuda and Mastaka Goto
National Institute of Advanced Industrial Science and Technology (AIST)

5. Explainable Recommendationとは（1/2） 5
図は[Herlocker+, CSCW’00]から引用
 推薦理由を提示して推薦結果の説得力とユーザの満足度を高めることが目的
 21種類の推薦理由の有用性を比較検証 [Herlocker+, CSCW’00]
 Explainable Recommendationという言葉が出現したのは2014年 [Zhang+, SIGIR’14]

6. Explainable Recommendationとは（2/2） 6
Explainable Recommendation: A Survey and New Perspectives
Yongfeng Zhang and Xu Chen (2020)
https://nowpublishers.com/article/Details/INR-066
1. Introduction
2. Information Source for Explanations
3. Explainable Recommendation Models
4. Evaluation of Explainable Recommendation
5. Explainable Recommendation in Different Applications
6. Open Directions and New Perspectives
7. Conclusions
これまでの推薦理由
提示手法を俯瞰する
のに最適
arXiv: https://arxiv.org/abs/1804.11192

7. 既存研究と本研究の差異 7
既存研究：
ユーザが消費していないアイテム
に対して推薦理由を提示
本研究：
ユーザが既に消費したアイテム
に対して推薦理由を提示
消費済みアイテム 未消費アイテム
推薦理由
推薦理由
消費済みアイテム 未消費アイテム

8. モチベーション 8
 音楽・動画・飲食店などのドメインでは同一アイテムが繰り返し消費される
 返し消費されるアイテムには「寿命 (lifetime)」がある [Benson+, WWW’16]
𝑡𝑡
トリセツ/西野カナ
高頻度で再生 徐々に再生頻度が下がる 再生しなくなる
西野カナのトリセツを初めて聴いてから
今日でちょうど5年経ちました
 ユーザ：消費済みアイテムであっても受動的に推薦を受けられる
 クリエータ：消費が刹那的になりがちな現代においてアイテムの寿命が延びる
 プラットフォーム：ユーザ・クリエータ双方の満足度を高められる

9. 消費済みアイテムに対する推薦理由の生成

10. 推薦理由生成フレームワーク：HyPER [Kouki+, RecSys’15] 10
 HyPER：ルールとスタイルに基づいて推薦結果と推薦理由を生成
 ルール：推薦結果を生成するためのIF-THEN形式の記述
 スタイル：ルールから推薦理由を生成するためのテンプレート
ルール１
IF：𝑢𝑢が𝑠𝑠1を聴いていて𝑠𝑠1と𝑠𝑠2が類似
THEN：𝑢𝑢は𝑠𝑠2好む
スタイル１
あなたの好きな𝑠𝑠1と似て
いるので𝑠𝑠2をお薦めします
ルールN
IF：𝑢𝑢の友人𝑢𝑢𝑢が𝑠𝑠2を聴いている
THEN：𝑢𝑢は𝑠𝑠2好む
スタイルN
あなたの友人𝑢𝑢𝑢が𝑠𝑠2を好き
なので𝑠𝑠2をお薦めします
…
…
消費済みアイテム
推薦結果
1位
2位
3位
4位
…
ルール1 ルール3
ルール4 ルール7
ルール2 ルール3
ルール5
ルール1 ルール3
ルール6
ルール4 ルール5
消費済みアイテムの推薦理由生成において考慮すべきルールとは？

11. 消費済みアイテムの推薦用ルール作成のための3つの要因 11
Personal factor Social factor Item factor
 3要因：personal factor・social factor・item factor
 3要因に基づいて音楽推薦を対象とした9種類のルールを提案
 3要因は任意のドメインにおいてルール作成の手がかりとなりうる

12. Personal factor 12
推薦対象のユーザ𝒖𝒖と楽曲𝒔𝒔の間の
インタラクションを考慮
ルール1 (P-first)
IF：𝑢𝑢が𝑠𝑠を初めて聴いてからちょうど𝒙𝒙年が経過
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール2 (P-last)
IF：𝑢𝑢が𝑠𝑠を最後に聴いてからちょうど𝒙𝒙年が経過
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール3 (P-together)
IF：𝑢𝑢がさっき𝑠𝑠𝑠を聴いて𝒔𝒔𝒔と𝒔𝒔をよく一緒に聴いていた
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール4 (P-total)
IF：𝑢𝑢による𝑠𝑠の総再生回数が次の再生で𝒙𝒙回に達する
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
懐かしさを感じて
再度聴かれることを期待
達成感を感じて
再度聴かれることを期待

13. Social factor 13
サービス上の全ユーザと楽曲𝒔𝒔の間の
インタラクションを考慮
ルール5 (S-total)
IF：全ユーザによる𝑠𝑠の総再生回数が𝒙𝒙回に到達
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール6 (S-unique)
IF：𝑠𝑠を再生したユニークユーザ数が𝒙𝒙人に到達
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール7 (S-favorite)
IF：𝑠𝑠をお気に入りに登録したユーザ数が𝒙𝒙人に到達
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
曲の人気の高さを感じて
再度聴かれることを期待

14. Item factor 14
推薦対象のアイテムを消費したユーザとは
無関係なアイテム固有の素性を考慮
ルール8 (I-release)
IF：𝑠𝑠が発売されてからちょうど𝒙𝒙年が経過
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
ルール9 (I-live)
IF：𝑠𝑠をアーティストがライブで𝒙𝒙日前に演奏
THEN：𝑢𝑢は𝑠𝑠を聴きたくなる
記念日的な特別感を感じて
再度聴かれることを期待
「ライブ感」を感じて
再度聴かれることを期待

15. 各ルールから生成される推薦理由 15
要因 スタイル 西野カナのトリセツをお薦めします。なぜなら：
Personal
P-first 最初に聴いてからちょうど5年が経過したからです
P-last 最後に聴いてからちょうど1年が経過したからです
P-together さきほど聴いた Beautiful/Superfly と一緒によく聴いていたからです
P-total 次に聴くと再生回数が100回に到達するからです
Social
S-total 全ユーザの総再生回数が1,000万回に到達したからです
S-unique 再生したユニークユーザ数が50万人に到達したからです
S-favorite お気に入りに登録したユーザ数が10万人に到達したからです
Item
I-release 発売されてからちょうど5年が経過したからです
I-live 西野カナのライブで昨日歌われたからです

16. 評価実験

17. Research Question 17
RQ1
スタイルは推薦理由の説得力
にどのような影響を与えるか
RQ2
推薦理由中の変数の好まれ度合い
に傾向はあるか

18. 実験参加者 18
 アンケート会社を通して実験参加者を募集
 音楽配信サービスで週1回以上音楽を聴いている日本人
 アンケートはオンラインで実施して622人分の有効回答を分析に使用
10代 20代 30代 40代 50代 計
男 8 60 82 73 73 296
女 10 67 91 82 76 326
（人）

19. RQ1｜質問 19
 各スタイルで生成される推薦理由の説得力を7段階（1～7）で回答
 個人の音楽再生ログから推薦結果は生成せず推薦理由だけを評価
 楽曲名と変数によるバイアスが除かれるように質問文を作成
 説得力が3以下/5以上と回答したスタイルには自由記述で根拠も回答
あなたが利用している音楽配信サービス上で、あなたがある曲
（「曲A」とします）を初めて再生してから今日でちょうど5年
が経過しました。（中略）「あなたが曲Aを初めて再生してから
今日でちょうど5年が経過しました。」という推薦理由とともに
音楽配信サービス上で曲Aを推薦します。ただし、ここで「5年」
と書いているのはひとつの例であり、半年、1年、7年などあなた
の好きな時間を想定していただいて構いません。
「P-first」の質問文

20. RQ1｜説得力の分布 20
 Highの推薦理由はいずれもLowの推薦理由より有意に説得力が高い
 日付に関する推薦理由（P-first・P-last・I-release）は説得力が低い
 I-liveに説得力を感じる理由で最も多かった記述：
ライブで演奏されている曲はアーティストが今聴いてほしい曲だから
High
Low

21. RQ1｜スタイル間の説得力の相関 21
 日付に関する推薦理由に高い説得力を感じるユーザグループが存在
 P-firstの理由で推薦した曲を聴いたユーザはP-lastとI-releaseも聴く可能性あり

22. RQ2｜質問 22
 P-together以外の数値の変数が含まれる8種類の推薦理由が対象
 推薦理由に含まれる変数の値の各候補に対して7段階（1～7）で説得力を回答
 RQ1で説得力を5以上と回答した推薦理由に対してのみ回答
「あなたが曲Aを初めて再生してから今日でちょうど
○○が経過しました。」の「○○」に入りうる以下
の値の各候補に対する説得力を回答してください。
半年
1年
3年
5年
10年
1 2 3 4 5 6 7
「P-first」の質問文

23. RQ2｜説得力の分布 23
 いずれの推薦理由も単調増加/単調減少で説得力には明確な傾向あり
 推薦理由の好みのパーソナライズが難しい場合は説得力が4以上の変数を採用

24. レビュー 24
スコア
 一般reviewer：4点、3点、3点
 メタreviewer：4点
ポジコメント
 Explanations for repeat consumptionという概念の新規性
 イントロで問題点とcontributionが明確に述べられている
 622人という大規模なオンライン調査を実施
ネガコメント
 既存手法のHyPERをベースにしているので
提案しているスタイルのsignificanceは限定的

25. まとめ｜貢献 25
２推薦理由生成のための３つの要因を提案
Personal factor・Social factor・Item factor
１消費済みアイテムへの推薦理由の提示を提唱
消費済みアイテムを理由付きで再度推薦してアイテムの寿命を延ばす
３提案した推薦理由の有用性を定量的に検証
622名を対象としたオンラインアンケートを実施