The Bayesian Mallows Rank Model for Individual Recommendation

Abstract

본 논문은 Vitelli의 2018년 논문에서 다루어진 베이즈 맬로우 순위 모형에 대해서 소개 한다. 해당 모형은 순위 데이터를 분석하는 데 사용된다. 우선 해당 모형이 가장 기본이 되는 완전 순위 데이터가 주어진 상황에서 어떻게 작동하는 지를 살펴보고, 보다 더 일반적인 상황 으로 어떻게 확장되는 지 다루었다. 그런 다음, 해당 방법론으로 개별 추천이 어떻게 이루어질 수 있는 지 설명하였다. 개별 사용자 선호도 중 결측치가 있는 데이터를 임의로 생성하여 시 뮬레이션 실험을 한 결과, 완전 임의 선택을 통해 추천할 아이템을 고르는 방법에 비해 해당 모형을 사용한 추천 방식이 더 나은 정확도를 보였음을 확인하였다. 마지막으로, 영화 평점 사이트에서 개별 유저의 평점 부여 데이터를 활용하여 각 사용자에게 새로운 영화를 추천하는 데에 해당 모형을 적용해보았다.

We introduce the Bayesian Mallows rank model suggested by Vitelli et al. (2018), which is utilized for analyzing ranking data. We observe how it works for the basic setting where complete ranking data are given and how it can be extended to more general setting. It leads to the part that explains how individual recommendation works well via this method. In a simulation to predict missing individual preference, our recommendation model shows better accuracy than random draw. We apply our approach to a movie rating data of individual users.