A Random Walk Around the City: New Venue Recommendation in Location-Based Social Networks のメモ

昨日読んだ論文の筆者らが書いたやつ

やること

LBSN のデータを利用して，場所の推薦をする

• 今回は，foursquare と Gowalla を対象にしている

この論文では，LBSN のユーザとチェックインをノードとして扱い，グラフを構築し，
そのグラフに基づいて，ランダムウォークして，確率の高い場所を推薦している

比較対象

• 頻度ベースの手法
• 協調フィルタリング

協調フィルタリング

• ユーザのチェックインベクトルを利用した，k-NN のユーザベースな CF
• ある場所にチェックインしたユーザの集合を利用した，アイテムベースの CF
• Matrix Factorization を利用した CF

ランダムウォーク

グラフの構築

1. ユーザとそのユーザがチェックインした場所
2. ユーザとそのフレンド

に関してエッジをはる

重みありと重み無し

1. すべてのエッジに対して，等確率で重みを設定するモデル
2. ユーザのチェックイン頻度，ユーザのフレンドの数に基づいて，エッジに重みを設定するモデル

の2つの手法を試している

結果

• 酔歩
  • 重みなし(rwr)でも重みあり(wrwr)でもあまり変わらない
• CF
  • ユーザベース(knn)や MF はかなり精度が低い...
  • アイテムベース(placenet)は健闘している
• 頻度ベース
  • 人気順(popularity)もかなり健闘している

感想

人気順でいいんじゃないかこれ...

Google+ 次世代SNS戦争のゆくえ (ソフトバンク新書)