Sistemi di raccomandazione

Sistemi di Raccomandazione

Alfredo Pulvirenti

Università degli Studi di Catania

Sommario

• Introduzione

• Unapanoramicasulletecniche

• Content-based

• Collabora8veFiltering•  Collabora8veFilteringinpra8ca:SVD

• RaccomandazioneGraph-based

• MetodiIbridi

• UnprogeBosviluppatodalnostrogruppo

Parte I Introduzione

Introduzione

• Un sistema di raccomandazione è una classe di

applicazioni (comunemente web-based) che

predicono le risposte degli uten8 sulla base delle

loropreferenze.

• Dueesempi:•  Suggerirear8coliaileBorideiquo8dianion-line;

•  Offrireaiclien8deisi8die-commercesuggerimen8sucosapotrebbeessere

dilorointeresse.

Esempiodisistemadiraccomandazione

• ClienteX•  AcquistaCDMetallica

•  AcquistaCDMegadeth

• ClienteY• FaunaricercasuiMetallica• IlsistemadiraccomandazionesuggerisceMegadethinbaseaida8colleziona8sulclienteX

Lemetodologie

• Diverse tecnologie ma due gruppi

principali:• Content-based systems: esaminare le proprietà degli

ar8coliperraccomandarnenuovi.

• Collabora5vefilteringsystems:usaremisuredisimilarità

tra uten8e/oprodoRper raccomandarenuovi prodoR

(oggeRsimiliodiproprietàdiuten8simili).

Diversi campi di applicazione: Raccomandazione prodotti: Amazon o simili; Raccomandazione film: Netflix o YouTube; Notizie: quotidiani o blog.

Definizione

• Sistemadiraccomandazionehadueclassidien5tà:

•  UninsiemediUten5(U={u1,…,un})

•  UninsiemediOgge>(O={o1,…,om})

rappresentateall’internodiunau5litymatrix(Um={duo}nxm)

•  matricesparsacheperognicoppiautente-oggeBocalcolaungradodipreferenza

dell’utenteperl’oggeBo.

• ObieRvodel sistemadi raccomandazione:predire leentry

vuotedellamatriceperinferirelepreferenzedell’utente.

Esempio

Matrix

Alien

Star Wars

Casablanca

Titanic

Joe 1 1 1 0 0

Jim 3 0 3 0 0

John 4 4 4 0 0

Jack 0 5 5 0 0

Jill 0 0 3 4 4

Jenny 0 0 0 5 5

Jane 3 0 0 2 2

•  La matrice rappresenta il rating che l’utente da al film visto usando la scala 1-5, con 5 rating più alto.

•  Zero indica che l’utente non ha valutato il film.

Potremmo disegnare un sistema per prendere le proprietà dei film e predire le preferenze degli utenti anche se non hanno visto il film.

IlfenomenodellaLongtail

• Negozifisici:spaziolimitatosugliscaffali,mostrano

piccolafrazionediprodoR(ipiùpopolari).

• Web: non ha questo problema, cos8 per

pubblicizzareiprodoRviciniallozero…

• Piùsceltapergliuten8,ma…vannoaiuta8!

• Ci servono filtri migliori… usiamo i sistemi di

raccomandazione!

Longtail

DavidBowi

e

TRex

Se ascolti David Bowie… ti potrebbe piacere…

Problemichiave

• Collezionare valutazioni “conosciute” per la u8litymatrix.

• Predirevalutazioninuoveedelevateapar8redallevalutazioniconosciute.

ComeoBenerelevalutazioni(ra8ng)

• Costruire una u8lity matrix è un task complicato, due

approcci per scoprire il valore che un utente da ad un

prodoBo:

• Esplicito:•  Chiederedivalutareunitem(es.YouTube).

• Implicito:

•  Apprenderedalleazionidell’utente.

Estrapolarelau8litymatrixeraccomandare

• DescriviamoiquaBroapprocciprincipali:• Content-based

• Collabora5veFiltering

• Graph-based

• HybridApproach

Parte II Content-based

recommendation

RaccomandazioniContent-based

• Idea principale: gli oggeR raccomanda8

all’utente U sono simili agli oggeR valuta8

posi8vamentedaU.

• Il sistema focalizza sulle proprietà degli

ogge>.• Lasimilarità tradueoggeRèdeterminatamisurando la

similaritàdelleloroproprietà.

Schemadelmetodo

IlprofilodeglioggeR

• PerognioggeBosicreaunprofilo;

• Un Profilo è un insieme di feature che rappresentano

caraBeris8cheimportan8.

• I Documen5 sono una classe di oggeR per i quali non è

semplicedefinirequalidebbanoesserelefeature.

•  Usareleparolepiùimportan5diundocumento.

•  Comescegliamoleparoleimportan8?

•  Tipicaeuris8caTF.IDF(TermFrequency5mesInverseDocFrequency)

TF.IDF

• “fij”frequenzadideltermine“i”neldocumento“dj”

• “ni”numerodidocumen8chemenzionanoiltermine“i”,

• Nilnumerototaledidocumen8,

TF.IDF:“wij=TFij·IDFi”

• Profilo diundocumento:insiemedelleparolechehannoil

piùaltoTF.IDFscore,assiemeailoroscore.

Profiliutenteepredizione

• Userprofile,diversepossibilità:• MediaponderatadeiprofilideglioggeR;

• ...

• Euris5cadipredizione:• Dato il profilo x dell’utente e il profilo i del prodo.o,s8miamo𝑢(𝒙,𝒊) = cos(𝒙,𝒊) = 𝒙·𝒊/||𝒙||⋅||𝒊|| 

Proecontro

+:Nonc'èbisognodida5sualtriuten5

+:Ingradodiconsigliareagliuten5congus5unici

+:Ingradodiraccomandarear5colinuovienonpopolari

+:faciledainterpretare

–:Trovarelefeaturegiusteèdifficile

–:Raccomandazionepernuoviuten5

–:Monomodale

Parte III Collaborative Filtering

Schemadelmetodo

Consideriamo l’utente x

Troviamo N altri utenti i cui rating sono “simili” ai rating di x

Stimiamo i rating di x sulla base degli N rating degli utenti

Comemisuriamolasimilarità

• Jaccardsimilarity:

sim(x,y)=|rx∩ry|/|rx∪ry|

• Cosinesimilarity:

sim(x,y)=cos(rx,ry)

• Pearsoncorrela5oncoefficient:

rx = [*, _, _, *, ***] ry = [*, _, **, **, _]

Predizioni

Dallasimilaritàallaraccomandazione:

• SiarxilveBoredira8ngdell’utentex

• SiaNl’insiemedeikuten8piùsimiliaxchehannovalutato

l’oggeBoi

• Predizionedell’oggedoiperl’utentex:•  𝑟↓𝑥𝑖 = 1/𝑘  ∑𝑦∈𝑁↑▒𝑟↓𝑦𝑖  

•  𝑟↓𝑥𝑖 = ∑𝑦∈𝑁↑▒𝑠↓𝑥𝑦 ⋅ 𝑟↓𝑦𝑖  /∑𝑦∈𝑁↑▒𝑠↓𝑥𝑦   

• Altreopzioni?

• Molte..

𝒔↓𝒙𝒚 =𝒔𝒊𝒎(𝒙,𝒚)

OggeBo-OggeBoCollabora8veFiltering

• Vista:oggedo-oggedo•  TroviamoglioggeRsimiliai

•  S8miamoilra8ngperiinbaseaira8ngdeglioggeRsimili

∑∑

∈

∈⋅

=);(

);(

xiNj ij

xiNj xjijxi s

rsr

sij… similarità degli oggetti i e j rxj…rating dell’utente x sull’oggetto j N(i;x)… set di oggetti simili a i valutati da x

CF:Approcciocomune

•  DefiniamolasimilaritàsijtraglioggeRiej

•  SelezioniamoknearestneighborN(i;x)

•  OggeRpiùsimiliai,valuta8dall’utentex

•  S8miamoilra8ngrxipesatoconlamedia:

Stima baseline per rxi ¡  μ=mediageneraledituRifilm¡  bx=deviazionedelra8ngdallamedia

dell’utentex=(avg.ra1ngutentex)–μ¡  bi=deviazionedelra8ngperl’oggeBoi

∑∑

∈

∈=);(

);(

xiNj ij

xiNj xjijxi s

rsr

∑∑

∈

∈−⋅

+=);(

);()(

xiNj ij

xiNj xjxjijxixi s

brsbr

𝒃↓𝒙𝒊 =𝝁+ 𝒃↓𝒙 + 𝒃↓𝒊 

Proecontro

+:Lavoracontu>i5pidiogge>

+:Nonènecessariafeatureselec5on

-:Newuserproblem

-:Newitemproblem

-:Matricedeira5ngsparsa

DimensionalityReduc8on

• Possibile soluzione per il problema dovuto alla

“sparsità”dellamatrice?• DimensionalityReduc5on

• LatentSeman5cIndexing(LSI)•  Tecnicaalgoritmicasviluppatatralafinedeglianni‘80primianni‘90

•  Risolve problemi di sinonima, “sparsità” e scalabilità per grandi

dataset

•  RiduceladimensionalitàecaBuralerelazionilaten8

• Si può mappare facilmente nel Collabora5ve

Filtering!

LSI

• Tecnica di indicizzazione che usa la SingularValue Decomposi5on per iden8ficare

paBernnella relazionetra terminieconceR

contenu8neltesto.

• Si basa sul principio che parole che sono

usatenellostessocontestotendonoadavere

significatosimile.

LSI per CF

• MatriceTermini-Documen8• SpaziodeiconceR• Mappingtra:

• Termini↔Conce>• Documen5↔Conce>

• MatriceUten8-OggeR• Spaziodellecategorie• Mappingtra:

• Ogge>↔Categorie• Uten5↔Categorie

NeklixChallenge

•  Compe8zione per iden8ficare il migliore algoritmo di CF per predire

ra8ngdegliuten8perIfilm,sullabasedira8ngpreceden8.

•  Prize:USD$1,000,000

•  Compe8zioneiniziatanel2006

• Unteamhavintolacompe8zionenel2009(habaButol’algoritmousato

daNeklixmigliorandoleprestazionidel10.06%)

•  Dataset:

•  ~480,000uten8e~18,000film;solo~100milionidira8ng

•  U8litymatrixsparsaal99%!(Circa8.5miliardidira5ngpotenziali)

Singular-ValueDecomposi8on(SVD)

• Rappresentazione low-dimensional di una matrice

high-dimensional•  RappresentazioneesaBa

•  Facilerimuovereledimensionimenosignifica8ve

•  Algoritmiefficien8(R,matlab)

SingularValueDecomposi8on

• Problema:#1:TrovareConceR

#2:Ridurreladimensionalità

SVD-Definizione

A[nxm]=U[nxr]Λ[ rxr](V[mxr])T

•  A:matricenxm(es,ndocumen8,mtermini)

•  U:matricenxr(ndocumen8,rconceR)

•  Λ:matricediagonalerxr(forzadiogni‘conceBo’)(r:rango(*)dellamatrice)

•  V:matricemxr(mtermini,rconceR)

*

*Numerodirigheocolonnelinearmenteindipenden8dellamatrice

SVD-Proprietà

Decomposizionespedraledellamatrice

1 1 1 0 0 2 2 2 0 0 1 1 1 0 0 5 5 5 0 0 0 0 0 2 2 0 0 0 3 3 0 0 0 1 1

= x x u1 u2 l1

l2

v1 v2

#3Query

Matrix

Alien

Star Wars

Casablanca

Titanic

Joe 1 1 1 0 0

Jim 3 3 3 0 0

John 4 4 4 0 0

Jack 5 5 5 0 0

Jill 0 0 0 4 4

Jenny 0 0 0 5 5

Jane 0 0 0 2 2

Matrice di rango 2 relativa ai rating degli utenti ai film. Due concetti (categorie) :

•  Fantascienza •  Film romantici

EffeBuareraccomandazioni

• UsalaCosineSimilarity

• Grazie alla SVD, possiamo effeBuare delle

predizioniconunsempliceprodoBoscalare.• Datounutenteelalistadeira8ngdeifilmchehavistoea

zeroquellichenonhavisto(p):• Mappiamo i ra5ng corren5 dell’utente dallo spazio originale a quello

dellecategorie(mol5plichiamoperV,matricefilm-categorie): 𝑝 =𝑝×𝑉

•  CalcoliamolaraccomandazioneusandonuovamentelamatriceV:

𝑝 = 𝑝 × 𝑉↑𝑇 

Joe 1 1 1 0 0Jim 3 3 3 0 0

John 4 4 4 0 0

Jack 5 5 5 0 0

Jill 0 0 0 4 4

Jenny 0 0 0 5 5

Jane 0 0 0 2 2

0.14 0

0.42 0

0.56 0

0.70 0

0 0.60

0 0.75

0 0.30

12.4 0

0 9.5 x

0.58 0.58 0.58 0 0

0 0 0 0.71 0.71

x =

SVD

SVD–Queryconl’usodeiconceR

• Abbiamo l’utente (Alfredo) nuovo, non presente

nellamatrice.

• Possiamocapirecosaglipotrebbepiacere?

• HavistosoloMatrix,rate4

• Rappresen8amoAlfredocome:

p=[40000]

SVD–Queryconl’usodeiconceR

• MappiamoAlfredonellospaziodellecategoriemol8plicando

ilveBoreperlamatricedegliUten8-Categoria

0.58 0

0.58 0

0.58 0

0 0.71

0 0.71

Forteinteresseperlafantascienza

SimilaritàUtente-Categoria

PxV=[40000]x =[2.32,0]

SVD–Queryconl’usodeiconceR

• RimappiamoAlfredonellospaziodeifilmmol8plicando[2.32,0]per

VT.

0.58 0.58 0.58 0 0

0 0 0 0.71 0.71 [2.32,0]x =[1.35,1.35,1.35,0,0]

Part IV Metodi Graph-based

MetodiGraph-based

•  Simile al Collabora8ve Filtering ma usa un grafo bipar5to per

immagazzinareleinformazioni.

•  Le raccomandazioni sono oBenute a par8re dalla struBura della rete

bipar8ta.

•  Dueclassidiiden8tà:Uten5(U)eOgge>(O).

•  Definiamoilgrafobipar8tocomesegue:

•  G(U,O,E,W)

•  E={eij:uilikesoj)

• W:E→ℜ

•  “E”insiemedegliarchie “W”èunafunzionecherappresentaildegreedi

preferenzacheunutentehaperilpar8colareoggeBo.

Lau8litymatrixcomegrafobipar8to

Joe

Jim

John

Jack

Jill

Jenny

Jane

1 3

4

4 5

2 4 5

2

5

5 5

1

1 3 3

5

4 4

Schemadelmetodo

NBI

• NBI(Network-basedinference)sviluppatonel2007.

•  Bipar5tenetworkprojec5onperoBenereinformazionisulleproiezioni.

•  Dopolaproiezione:•  Re8connodidellostesso8po(uten8ooggeR);

•  Duenodisonoconnessisesonocollega8daalmenounnododialtro8po;

NBI

• Idea base dell’algoritmo: flusso delle risorse sulla

retebipar8ta:•  aglioggeRvieneassegnataunaquan8tàinizialedirisorse;

•  inunprocessoadue fasi le risorse sono trasferitedaglioggeRagli

uten8esuccessivamentetrasferi8indietroaglioggeR;

•  questo processo, con una fase di normalizzazione consente di

oBeneredegliscoreperlecoppieuten8-oggeR.

NBI

•  Il calcolo dei pesi avvienea B r a v e r s o l a s e g u e n t eequazione:

• DoveΓ(i,j)èdefinitacome:•  Γ(i,j)=D(oj)perNBI

•  Γ(i,j)=D(oi)perHeatS

• D(t) degreedelnodo “t”nellaretebipar8ta.

RaccomandazioniconNBI

• Il peso “wij” della proiezione corrisponde a quante risorse

vengono trasferitedall’oggeBo“j”all’oggeBo“i”,oquanto

piaceràl’oggeBo“j”adunutenteacuipiacel’oggeBo“i”.

• Data la matrice di adiacenza “A” del grafo bipar8to e la

matrice“W”,lamatricediraccomandazione“R”pertuRgli

uten8puòesserecalcolatainununicostep:

𝑅=𝑊×𝐴

Proecontro

+:Funzionasutu>i5pidiogge>

+: Risolve il problema della sparsità della u5lity

matrix.

-:Newuserproblem

-:Newitemproblem

-:Richiedeimportan5risorsecomputazionali

Metodiibridi

• Usare in combinazione diversi metodi di

raccomandazione

• Supponiamodiavereimetodi“X”e“Y”chedanno

rispeRvamentegliscore“xa”e“ya”.Loscorediun

modelloibridopuòessereoBenutocome:

• λ∈[0;1]

Proecontro

+: Efficace nel migliorare la qualità delle

raccomandazioni

-:Computazionalmentepesante

Part V Predizione di annotazioni su

una banca dati di articoli

scientifici

Mo8vazioni

InseBoricomelabiomedicina

•  LeBeraturascien8ficaenorme;

•  Cen8naia di database con risulta8 di analisi

sperimentali;

•  Può essere difficile a volte iden8ficare risulta8 già

conosciu8..Pocominingsuques8da8..

Mo8vazioni

• Problema:

An8cipare l’informazione di cui l’utente ha bisogno (ma

nonlosa!!).

Definizione:

Dato un insieme di termini che l’utente ha oBenuto per un

ar8colo, interrogando un search engine, vogliamo

raccomandare un insiemepiccolo, significa5vo edifferente,

diterminirilevan=perl’ar8colomanoncontenu8inesso.

Abstractannota8on:unmodoperinferirenuoveipotesi

E2F3 senescence

mir-499 microRNA

EZH2 PDGFB CTGF SOX4

microRNA Cancer

Proposta

• BioTAGMEo  Un sistemaper l’estrazione di informazioni nella formadi termini

seman5camentecorrela5:tag/ancoredaPubMed.

o  Duetecnologie:ü  TAGME:Sistemaperl’estrazionediannotazionidates8;

ü  DT-Hybrid:Algoritmodiraccomandazione.

o  Ilcontesto Circa 25 milioni di citazioni dalla letteratura biomedica

•  TAGME:toolpereffeBuareannotazionion-the-flyintes8nonstruBura8conl’usodi

Wikipedia.

On this day 24 years ago Maradona scored his infamous "Hand of God" goal against England in the quarter-final of the 1986

DT-Hybrid

•  DT-Hybrid:tecnicadiraccomandazionegraph-based

o  Applicatanelcontestodrug-targetinterac8onpredic8oneneldrugreposi8oning.

o  Frameworkgenerale

o  DT-HybridstandaloneRpackageewebapp.

Query TAGME Document/Tag Matrix

Candidate Terms Matrix

DT-Hybrid

TAGME Semantic Similarity

Matrix

Sets of Candidate

Terms

Sets of significant

Annotations

Corpus of Abstracts

Pubmed Search

BioTAGMEPipeline

p-Value based filtering

Correlation and

Grouping

Tags Glossary

BioTAGMEwebapp:Architecture

Query

REST API JSON Response

NCBI Pubmed

Entrez

Utilites

XML

Response

DT-Hybrid

BioTAGMEwebapp

http://alpha.dmi.unict.it/biotagme/

Acasestudy:“MicroRNA”

# Paper Source Terms

Predicted Terms

Correlation p-Value

1 Circulating u2 small nuclear rna fragments as a novel diagnostic tool for patients with epithelial ovarian cancer.

4 5 0,90 < 0,01

2 Tumor-suppressive microrna-449a induces growth arrest and senescence by targeting e2f3 in human lung cancer cells.

5 6 0,80 < 0,01

Acasestudy:“MicroRNA”

Source Terms Novel Terms

microrna u2 spliceosomal rna

small nuclear rna ovarian cancer

Correlation Citation

mRNA 0,90 -

ncRNA 1,00 -

parp inhibitor 0,91 The emerging role of parp inhibitors in the treatment of epithelial ovarian cancer.

muc1 0,98 Expression of muc1 and muc2 mucins in epithelial ovarian tumours.

xiap 0,93 Expression and clinical significance of xiap and caspase-3 protien in primary epithelia ovarian cancer.

# Paper Source Terms

Predicted Terms

Correlation p-Value

1 Circulating u2 small nuclear rna fragments as a novel diagnostic tool for patients with epithelial ovarian cancer.

4 5 0,90 < 0,01

Acasestudy:“MicroRNA”

Source Terms Novel Terms

guangzhou senescence

e2f3 mir-449

microrna

Correlation Citation

ezh2 1,00 Validation of the histone methyltransferase ezh2 as a therapeutic target for various types of human cancer and as a prognostic marker

pdgfb 0,80 Pdgf receptors as targets in tumor treatment.

col4a1 1,00 -

ctgf 1,00 Connective tissue growth factor and its role in lung adenocarcinoma invasion and metastasis.

sox4 1,00 -

mcl1 1,00 Mcl-1 regulates survival and sensitivity to diverse apoptotic stimuli in human non-small cell lung cancer cells.

# Paper Source Terms

Predicted Terms

Correlation p-Value

2 Tumor-suppressive microrna-449a induces growth arrest and senescence by targeting e2f3 in human lung cancer cells.

5 6 0,80 < 0,01

Wisdomofcrowds

ProgeBoinprogress:what’snext

• PubMedofflineCrawling;

• Automa8cbibliographyconstruc8on;

• Sviluppo versione custom di BioTAGME con le

ontologiebiomediche(OMIM,GO).

• Integrazionedibancheda8esterne:raccomandazione

domain-tuned.

Takehomemessage

•  ModelliLatentFactoregraphbasedmolto

efficaci.

•  Spazio di applicazione dei sistemi di

raccomandazionemoltoampio.

•  Moltelibrerieesisten8.

Bibliografiaeringraziamen8

•  Alcunicontenu8sonoriadaBa8daMiningMassiveData:hBp://www.mmds.org/

•  MetodiGraph-based:

•  Zhou, T., Ren, J., Medo, M., and Zhang, Y. (2007). Bipar5te network projec5on and personal recommenda5on. Physical

ReviewE,76(4),046115–22.

•  Zhou, T., Kuscsik, Z., Liu, J.-G.,Medo,M.,Wakeling, J. R., and Zhang, Y.-C. (2010).Solving theapparentdiversity-accuracy

dilemmaofrecommendersystems.ProceedingsoftheNa8onalAcademyofSciences,107(10),4511–4515.

•  AlgoritmoDT-Hybrid:

•  Alaimo S, Pulviren8 A, Giugno R, Ferro A.Drug–target interac5on predic5on through domain-tuned network-

basedinference.Bioinforma8cs201329:2004-2008.

•  AlaimoS,GiugnoR,Pulviren8A."ncPred:ncRNA-DiseaseAssocia8onPredic8onthroughTripar8te

Network-BasedInference."Fron1ersinbioengineeringandbiotechnology2(2014).

•  TAGME

•  Ferragina, P., Scaiella, U. (2012). Fast and Accurate Annota5on of Short Texts withWikipedia

Pages.IEEESo�ware29(1):70-75.AlsoappearedinProcsACMCIKM(2010,pp.1625-1628).

•  BioTAGME

•  Alaimo S, Ferragina P, Ferro A, Giugno R, Pulviren8 A. An algorithm for the predic5on of

annota5onsonPubmed(submided)

Ilteam!

AlfredoFerro,FullProfessor,UniversitàdiCatania

SalvatoreAlaimo,Post-Doc,UniversitàdiCatania

RosalbaGiugno,AssociateProfessor,UniversitàdiVerona

PaoloFerragina,FullProfessor,UniversitàdiPisa

Grazie!