基於社群網路分析的交友軟體推薦系統
tags: MLG
簡報網址：hackmd.io/@kuouu/MLG_final
提案簡報：hackmd.io/@kuouu/MLG_final_proposal
Introduction
目前配對機制
- 符合篩選條件
- 當天有上線
- 隨機
改良–基於個人特質的聊天活絡程度預測
正確率
train accuracy: 0.78
test accuracy: 0.62
可能原因：
- 模型太過簡單
- 人格特質不適合作為聊天活絡程度的評斷標準
- ？？？
人格特質或許跟交友有關，但沒有辦法確定是“很像的人”還是“不像的人”容易成為朋友，甚至是情侶（大多數人用交友軟體的目的）
比起個性或興趣，我認為成為朋友的契機更注重於一些當下的因素，心情、場域、機緣等，因此決定使用社群網路來做推薦系統，並進行分析
配對成功？
會回訊息
聊得很熱絡
真命天子/女、一生的好朋友
軟體宗旨是找到真命天子/女，但得知後續發展可能要做調查，在訓練上會難以做標記，所以退一步到找到很會聊的人
Relative Work
- Recommender System for Online Dating Service 2007 / 162 cites
- RECON: A reciprocal recommender for online dating 2010 / 184 cites
- Recommender Systems for Online Dating 2015 / 6 cites
- Design of Reciprocal Recommendation Systems for Online
Dating 2016 / 24 cites - Shedding More Light on How Instagram Works
Algorithm
rule base
rule base
依據當下的平均聊天量由高至低做推薦
\[ 平均聊天量 = \frac{\sum_{聊天室}聊天字數}{聊天室數量} \]
期望結果
- 會聊天的人優先，會“被”配對到很多人
- 不會聊天的人比較不會被主動配對到
- 在時間內配對到一定程度會讓聊天量下降，後面順位的人往上排名
解決的問題
- 配對到的人最近一定有在玩，而且很活躍
- 雙方至少有一人有一定的社交程度，造成尷尬開場的機率較低（難聊的人不會互相遇到）
- 聊天室數量增加會降低平均聊天量，因此過度配對會降低排名，不會有某個人一直配對到超多人的情況
- 與比較會聊的人配對，增加社交能力較低的人的自信
pseudo code
- get G
- get user_list
- remove random edge, get G’
- get rec_list by G’
- validation
GNN
GNN
用 GCN 得到 node embedding ，並使用 similarity 做 user user 的 Collaborative Filtering
- GCN 學習 node embedding
- 做 user user 的 CF
Experiment
Evaluation: recall
\[ Recall(pred, label) = \frac{pred 出現在 label\_list 出現次數}{label\_list 的長度} \]
Data set
| 資料名稱 | 數量 |
|---|---|
| user | 5043 |
| chat | 290559 |
| friend | 22683 |
- gid
- gender
- animal
- heart
- type
- personality
- bgm
- active_time
分別為 2020, 2019 年 11/01～11/15 的資料
- rule base: < 0.1
其實很多點“沒有往外的邊”，也就是很多使用者沒有在使用，可能只是下載來看一看就再也沒有登入了，因此在加入 user feature 之後，我將不活躍的使用者移除，並按照性別改變顏色，圖形變成如下
- 在移除不活躍的使用者之後，rule base 的 Recall 提升至約 0.1 ~ 0.2
- rule base 的 Recall 提升至約 0.1 ~ 0.5
- GNN 約為 0.4 ~ 0.5（較穩定
問題點
- 需要每個時間點資料庫的 snapshot，ex: 更新時間、今日登入、交友狀況
- 移除不活躍的使用者之後資料不足（需要一段時間內的資料
- 沒有標記的資料
Conclusion
- 利用圖形來視覺化呈現資料並分析使用者習性
- 聊天狀況
- 配對偏好
- 平均聊天量
- 使用時間區段內的使用者資料來做配對
future work
- 利用網路圖來呈現目前使用者的狀況
- 定期備份資料庫狀態以拿來做訓練
- 改善軟體配對機制，取得標記資料
END
基於社群網路分析的交友軟體推薦系統 tags: MLG 簡報網址： hackmd.io/@kuouu/MLG_final 提案簡報： hackmd.io/@kuouu/MLG_final_proposal
{"metaMigratedAt":"2023-06-16T02:54:15.446Z","metaMigratedFrom":"Content","title":"基於社群網路分析的交友軟體推薦系統","breaks":true,"contributors":"[{\"id\":\"35cea605-1599-4b9b-a7f8-610e7a3b3107\",\"add\":3855,\"del\":381}]"}