FLAME: Probabilistic Model Combining Aspect Based Opinion Mining and Collaborative Filtering Yao Wu / Matin Ester

1. WDSM
WU&ESTER 2015
1
Thursday, May 14, 15

2. WHO
• バクフー株式会社 柏野 雄太
Thursday, May 14, 15

3. 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

4. 動機
Thursday, May 14, 15

5. 動機
• webの世界にはレビューが 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

6. 先行研究
• Collaborative Filtering + LDA (science articles)
• Wang & Blei 2011
↵ ✓ z w
rv
u u
N K
J
I
v
rij ⇠ N(uT
i vj, cij1)
✓j ⇠ Dirichlet(↵) wjn ⇠ Mult( zjn
)
rij 2 {0, 1}
r : overall rating
v : latent item distribution
u : latent user preference
Thursday, May 14, 15

7. 先行研究
• Aspect-based Opinion Mining (hotel review)
• Wang et al. 2010
⌃
µ
↵
2
s wr
D
K
r : overall rating
s : aspect rating
Thursday, May 14, 15

8. ASPECT?
• location, sleep quality, room, service, value,
cleanliness
Thursday, May 14, 15

9. 提案モデル
Thursday, May 14, 15

10. 提案モデル
i,a u
'd,a
✓d
rd
⌘0 ⌘u ⌘i
st
at
wn
a
a,r
W
T
D
A
A
IU
UI
R
A
p(wn|at, st, ↵) ⇠ Multi(↵at,st
)
↵a,s[j] =
exp( a[j] + a,s[j])
PV
l=1 exp( a[l] + a,s[l])
rd ⇠ N(
X
a
✓d[a]E[rd, a], 2
r )
E[rd, a] = T
u i,a
Thursday, May 14, 15

11. 提案モデル
i,a u
'd,a
✓d
rd
⌘0 ⌘u ⌘i
st
at
wn
a
a,r
W
T
D
A
A
IU
UI
R
A
p(wn|at, st, ↵) ⇠ Multi(↵at,st
)
↵a,s[j] =
exp( a[j] + a,s[j])
PV
l=1 exp( a[l] + a,s[l])
rd ⇠ N(
X
a
✓d[a]E[rd, a], 2
r )
E[rd, a] = T
u 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

12. 生成プロセス
Thursday, May 14, 15

13. LIKELIFOOD
• MAP
• 変分ベイズ
{{⌘}, { }, , }
{↵, s}
Thursday, May 14, 15

14. 実験と結果 データ
• TripAdvisor / Yelp
Thursday, May 14, 15

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

16. 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

17. 実験と結果 質的評価
a a,r
Thursday, May 14, 15

18. 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