Система рекомендацій штучного інтелекту для знайомств, заснована лише на зображеннях

Дослідники з Великої Британії використали нейронні мережі для розробки системи рекомендацій для онлайн-знайомств, яка ґрунтується лише на тому, чи приваблює користувача фотографія іншого користувача (а не інформація про профіль, таку як робота, вік тощо), і виявили, що вона перевершує інші системи у отриманні точного збігу.

Результатом стала система під назвою TIRR (Temporal Image-Based Reciprocal Recommender), яка використовує рекурентні нейронні мережі (RNN) для інтерпретації історичної схильності користувача до облич, які він зустрічає під час пошуку потенційних партнерів.

Стаття стаття називається – можливо, розчаровуюче – Фотографії – все, що вам потрібно для взаємної рекомендації в онлайн-знайомствах, і була написана двома дослідниками з Університету Бристоля, суттєво покращуючи попередню систему (названу ImRec) того ж команди у 2020 році.

Під час тестів система показала найвищу точність у передбаченні взаємних збігів між користувачами, покращуючи не тільки результати дослідників за 2020 рік, але й інші системи рекомендацій, засновані на вмісті, які беруть до уваги більш детальну текстову інформацію у профілях знайомств.

Дані реального світу про знайомства

TIRR була навчена на даних про користувачів, наданих невідомим популярним сервісом онлайн-знайомств з декількома мільйонами зареєстрованих користувачів, який дозволяє користувачам спілкуватися лише після того, як вони обидва оцінили профіль один одного. Вибірка даних включала 200 000 суб’єктів, розділених порівну між чоловіками та жінками, і близько 800 000 виражених користувачами переваг у всіх профілях знайомств.

Оскільки анонімний сервіс знайомств, який надав дані, підтримує лише гетеросексуальні збіги, у дослідженні розглядалися лише чоловічо-жіночі збіги.

TIRR покращує попередні системи рекомендацій, засновані на взаємності (RRS), у цій галузі шляхом прямого розрахунку ймовірності збігу між двома профілями, ґрунтуючись лише на профілях користувачів. Попередні системи передбачали дві односпрямовані переваги, а потім об’єднували їх, щоб отримати передбачення.

Дослідники виключили користувачів, яких видалено з сервісу знайомств (з будь-якої причини, включаючи добровільне видалення), і виключили профіль, який не містив фотографій з обличчями.

Історія користувачів була обмежена одним роком назад, щоб уникнути потенційних аномалій, які можуть виникнути, коли сайт знайомств змінює свої алгоритми з часом. Їх також обмежили максимально 15 перевагами користувача, оскільки це було достатньо, щоб довести конструкцію моделі, тоді як більш широке використання переваг погіршувало продуктивність і збільшувало час навчання.

Крім того, деякі користувачі мали історії з тисячами переваг, що могло б ризикувати зважити отримані особливості і ще більше продовжити час навчання.

Сиамська мережа

TIRR сформульована за допомогою сиамської мережі, яка зазвичай використовується для ‘однозначного навчання’.

Шаблон сиамської мережі, де паралельні卷積ні нейронні мережі (CNN) спільно використовують ваги, але не дані. Вони також спільно використовують функцію втрат, отриману з виходів кожного CNN, і мітку справжньої сутності. Джерело: https://arxiv.org/pdf/2108.11714.pdf

Мережа була навчена за допомогою бінарної крос-ентропії, загальної функції втрат у нейронних мережах, яку дослідники знайшли кращою порівняно з контрастивною втратою. Остання найбільш ефективна у системах, які оцінюють парність між двома обличчями, але оскільки це не є метою TIRR, це підхід, який працює погано в цьому контексті.

Для системи необхідно зберігати та розвивати інформацію, яку вона розвиває під час багатьох ітерацій над тими ж даними, і сиамська мережа у TIRR використовує LSTM (довготривала короткочасна пам’ять) мережу для прийняття цих рішень і забезпечення того, щоб особливості, визначені як актуальні, не були викинуті випадково під час побудови її знань.

Конкретна архітектура сиамської мережі для TIRR.

Дослідники виявили, що мережа навчалася дуже повільно, коли вводилися всі дані, і згодом розділили навчання на три етапи за допомогою трьох різних підмножин даних. Є деяка додаткова перевага в цьому, оскільки експерименти дослідників у 2020 році вже показали, що навчання чоловічих і жіночих наборів даних окремо покращує продуктивність системи рекомендацій, заснованої на взаємності.

Розбивка окремих сесій навчання для сиамської мережі TIRR.

Тестування

Для оцінки продуктивності TIRR дослідники залишили частину отриманих даних окремо і провели їх через повністю зібрану систему. Однак, оскільки система досить нова, немає безпосередньо аналогічних попередніх систем, з якими її можна порівняти.

Отже дослідники спочатку встановили базовий рівень кривої приймання-випускання (ROC) для сиамської мережі, а потім використали Uniform Manifold Approximation and Projection для зниження розмірності (UMAP), щоб звузити 128-мірні вектори для легкої візуалізації, щоб встановити послідовний потік лайків і дизлайків.

Зліва, ROC сиамської мережі як базовий індикатор продуктивності; справа, візуалізація UMAP показує ‘лайки’ червоним, ‘дизлайки’ чорним.

TIRR була протестована проти колаборативного фільтрування та систем, заснованих на вмісті, з аналогічним завданням, включаючи попередню роботу дослідників ImRec (див. вище), а також RECON, RRS з 2010 року, а також алгоритми колаборативного фільтрування RCF (система рекомендацій для знайомств 2015 року на основі текстового вмісту профілів знайомств) і LFRR (аналогічний проєкт 2019 року).

У всіх випадках TIRR була здатна пропонувати вищу точність, хоча лише трохи порівняно з LFRR, можливо, вказуючи на кореляційні чинники між текстовим вмістом профілів і сприйнятою рівнем привабливості фотографій профілів суб’єктів.

Практично повна рівність між image-орієнтованою TIRR і більш текстово-орієнтованою LFRR дозволяє принаймні дві можливості: що сприйняття візуальної привабливості користувачами впливає на текстовий вміст профілів; або що текстовий вміст отримує більшу увагу та схвалення, ніж могло б статися, якщо пов’язана фотографія не була сприйнята як приваблива.

З очевидних причин команда дослідників не може випустити набір даних або вихідний код для TIRR, але заохочує інші команди повторити та підтвердити їхній підхід.

n.b Фотографії, використані в основній ілюстрації, походять з thispersondoesnotexist.com.