Hệ Thống Khuyến Nghị Người Đương Tương Của Trí Tuệ Nhân Tạo Dựa Chỉ Trên Hình Ảnh

Những nhà nghiên cứu từ Vương quốc Anh đã sử dụng mạng nơ-ron để phát triển một hệ thống khuyến nghị hoàn toàn dựa trên hình ảnh cho các trận đấu trực tuyến, chỉ xem xét liệu hai người dùng có bị thu hút bởi ảnh của nhau hay không (thay vì thông tin hồ sơ như công việc, tuổi, v.v.), và họ đã phát hiện ra rằng nó vượt trội so với các hệ thống “nhẹ” hơn về việc đạt được một trận đấu chính xác.

Hệ thống kết quả được gọi là Temporal Image-Based Reciprocal Recommender (TIRR), và sử dụng Mạng nơ-ron hồi quy (RNNs) để giải thích lịch sử của người dùng về việc họ gặp phải những khuôn mặt mà họ gặp phải khi duyệt tìm các trận đấu tiềm năng.

Bài báo có tiêu đề – có thể đáng thất vọng – Ảnh Là Tất Cả Những Gì Bạn Cần Cho Khuyến Nghị Đương Tương Trong Hẹn Hò Trực Tuyến, và đến từ hai nhà nghiên cứu tại Đại học Bristol, cải tiến đáng kể so với một hệ thống tương tự (được gọi là ImRec) được phát hành bởi cùng một nhóm vào năm 2020.

Trong các thử nghiệm, hệ thống đã đạt được độ chính xác hàng đầu trong khả năng dự đoán đương tương giữa người dùng, không chỉ cải tiến so với công việc của các nhà nghiên cứu vào năm 2020, mà còn so với các hệ thống khuyến nghị dựa trên nội dung khác cho hẹn hò trực tuyến, những hệ thống này xem xét thông tin chi tiết hơn, dựa trên văn bản trong hồ sơ hẹn hò.

Bộ Dữ Liệu Hẹn Hò Trong Thế Giới Thực

TIRR được đào tạo trên thông tin người dùng do một dịch vụ hẹn hò trực tuyến phổ biến cung cấp, với ‘vài triệu người dùng đã đăng ký’, chỉ cho phép người dùng liên lạc với nhau khi cả hai đã ‘thích’ hồ sơ của nhau. Bộ dữ liệu con được sử dụng bao gồm 200.000 đối tượng, chia đều giữa nam và nữ, và khoảng 800.000 sở thích của người dùng trên tất cả các hồ sơ hẹn hò.

Kể từ khi dịch vụ hẹn hò trực tuyến ẩn danh cung cấp dữ liệu chỉ hỗ trợ trận đấu dị tính, chỉ có trận đấu giữa nam và nữ được bao gồm trong nghiên cứu.

TIRR cải tiến so với các thiết kế hệ thống khuyến nghị đương tương trước đó trong lĩnh vực này bằng cách tính toán trực tiếp xác suất của một trận đấu giữa hai hồ sơ, dựa chỉ trên hình ảnh hồ sơ. Các hệ thống trước đó dự đoán hai sở thích một chiều và sau đó tổng hợp chúng để có được dự đoán.

Các nhà nghiên cứu đã loại bỏ người dùng đã bị xóa khỏi dịch vụ hẹn hò (vì bất kỳ lý do nào, bao gồm cả việc rời đi tự nguyện), và loại bỏ hồ sơ không bao gồm ảnh dựa trên khuôn mặt.

Lịch sử của người dùng đã được giới hạn trong một năm, để tránh các bất thường tiềm ẩn có thể xảy ra khi trang web hẹn hò điều chỉnh thuật toán của mình theo thời gian. Họ cũng bị giới hạn ở mức tối đa 15 sở thích của người dùng, vì những sở thích này đã được chứng minh là đủ để chứng minh thiết kế mô hình, trong khi việc sử dụng sở thích rộng rãi hơn sẽ làm giảm hiệu suất và tăng thời gian đào tạo.

Ngoài ra, một số người dùng tích cực hoặc lâu dài có lịch sử với ngàn sở thích, điều này có thể rủi ro làm sai lệch trọng lượng của các tính năng thu được, và làm tăng thêm thời gian đào tạo.

Mạng Siamese

TIRR được xây dựng bằng cách sử dụng mạng Siamese, thường được sử dụng cho ‘học một lần’.

Một mạng Siamese mẫu, nơi các mạng nơ-ron tích chập song song (CNNs) chia sẻ trọng lượng nhưng không chia sẻ dữ liệu. Chúng cũng chia sẻ một hàm mất mát được dẫn xuất từ đầu ra của mỗi CNN, và một nhãn chân thực. Source: https://arxiv.org/pdf/2108.11714.pdf

Mạng được đào tạo bằng cách sử dụng entropy交叉二元, một hàm mất mát phổ biến trong mạng nơ-ron, và một hàm mà các nhà nghiên cứu tìm thấy cho kết quả vượt trội so với mất mát tương phản. Hàm mất mát sau này hiệu quả nhất trong các hệ thống đánh giá sự tương đồng giữa hai khuôn mặt, nhưng vì đây không phải là mục tiêu của TIRR, nên đây là một cách tiếp cận hoạt động kém trong ngữ cảnh này.

Nó cần thiết cho hệ thống để giữ lại và xây dựng thông tin mà nó phát triển khi quá trình đào tạo lặp lại nhiều lần trên cùng một dữ liệu, và mạng Siamese trong TIRR sử dụng một mạng LSTM (Bộ nhớ ngắn hạn dài hạn) để đưa ra những quyết định này, và để đảm bảo rằng các tính năng được coi là liên quan không bị loại bỏ một cách tùy tiện khi khuôn khổ xây dựng những hiểu biết của mình.

Cấu trúc mạng cụ thể cho TIRR.

Các nhà nghiên cứu đã tìm thấy rằng mạng được đào tạo rất chậm khi tất cả dữ liệu được nhập, và sau đó chia quá trình đào tạo thành ba giai đoạn sử dụng ba tập hợp con khác nhau của dữ liệu. Có một số lợi thế bổ sung trong này, vì các thí nghiệm năm 2020 của các nhà nghiên cứu đã chứng minh rằng đào tạo các tập dữ liệu nam và nữ riêng biệt cải thiện hiệu suất của một hệ thống khuyến nghị đương tương.

Sự phân chia của các phiên đào tạo riêng biệt cho mạng Siamese của TIRR.

Thử Nghiệm

Để đánh giá hiệu suất của TIRR, các nhà nghiên cứu đã giữ lại một phần của dữ liệu thu được và chạy nó qua hệ thống đã hội tụ hoàn toàn. Tuy nhiên, vì hệ thống này khá mới, không có hệ thống trước đó tương tự để so sánh.

Do đó, các nhà nghiên cứu đầu tiên đã thiết lập một Đường cong Đặc trưng Nhận dạng (ROC) cơ bản cho mạng Siamese, trước khi sử dụng Uniform Manifold Approximation và Projection để Giảm Chiều (UMAP) để thu hẹp các vector 128 chiều cho việc trực quan hóa dễ dàng, nhằm thiết lập một dòng chảy hợp lý của lượt thích và không thích.

Ở bên trái, ROC của mạng Siamese như một chỉ số cơ bản về hiệu suất; ở bên phải, trực quan hóa UMAP cho thấy ‘thích’ màu đỏ, ‘không thích’ màu đen.

TIRR đã được thử nghiệm chống lại các hệ thống lọc cộng tác và dựa trên nội dung có phạm vi tương tự, bao gồm công việc trước đó của các nhà nghiên cứu ImRec (xem trên), và RECON, một RRS từ năm 2010, cũng như các thuật toán lọc cộng tác RCF (một hệ thống khuyến nghị hẹn hò năm 2015 dựa trên nội dung văn bản của hồ sơ hẹn hò) và LFRR (một dự án tương tự từ năm 2019).

Trong tất cả các trường hợp, TIRR đã có thể cung cấp độ chính xác cao hơn, mặc dù chỉ hơi cao hơn so với LFRR, có thể cho thấy các yếu tố tương quan giữa nội dung văn bản hồ sơ và mức độ hấp dẫn được nhận thức của ảnh hồ sơ.

Sự gần như tương đương giữa TIRR dựa trên hình ảnh và LFRR dựa trên văn bản nhiều hơn cho phép ít nhất hai khả năng: rằng nhận thức của người dùng về sự hấp dẫn trực quan bị ảnh hưởng bởi nội dung văn bản của hồ sơ; hoặc rằng nội dung văn bản nhận được sự chú ý và ủng hộ nhiều hơn so với những gì có thể đã xảy ra nếu ảnh liên quan không được nhận thức là hấp dẫn.

Để lý do rõ ràng, nhóm nghiên cứu không thể phát hành bộ dữ liệu hoặc mã nguồn cho TIRR, nhưng khuyến khích các nhóm khác nhân bản và xác nhận cách tiếp cận của họ.

n.b Những hình ảnh được sử dụng trong hình minh họa chính là từ thispersondoesnotexist.com.