New Development of Clustering Methods Considering Uncertainty Based on Rough Set Theory
| Project/Area Number |
20K19886
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Osaka Metropolitan University (2022-2023)
Osaka Prefecture University (2020-2021) |
|---|
Principal Investigator |
生方 誠希 大阪公立大学, 大学院情報学研究科, 准教授 (10755698)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | ソフトコンピューティング / ファジィ理論 / ラフ集合理論 / クラスタリング / ファジィクラスタリング / ラフクラスタリング / 共クラスタリング / 協調フィルタリング / データ分析 |
|---|
| Outline of Research at the Start |
本研究では，ラフ集合理論に基づくデータ分類技術であるラフクラスタリングの新たな展開を図る．目的関数の定式化によって基礎理論を補強し，ノイズロバストなアプローチを導入することで，頑健性と実用性を高める．さらに，文書解析での文書×単語の共起情報やマーケット分析での顧客×商品の購買履歴などの対象と項目の共起関係データから関連性の強い対象と項目からなる共クラスター構造を抽出する共クラスタリングに対しラフクラスタリングを応用することで，ラフ共クラスタリングとラフ協調フィルタリングを提案し，それらのタスクにおけるラフ集合理論に基づく粒状性と不確実性の取り扱いの影響を明らかにする．
|
| Outline of Annual Research Achievements |
最終年度である2023年度には，ラフ集合理論に基づく不確実性を考慮したクラスタリング手法とその協調フィルタリング(Collaborative Filtering, CF)への応用に関する研究を推進した．本課題に関連する成果として，国内学会での口頭発表を3件，国際会議での口頭発表を3件行った．各成果の概要は以下の通りである．
ラフクラスタリングの一種であるRCM法において適応的にクラスターを増減させるAdaptive Online RCM法に対し，ミニバッチ学習を導入することで，Adaptive Mini-Batch RCM法とそのCFへの応用を提案し，計算効率や推薦性能の向上を実現した．粒状性を考慮した混合多項分布型共クラスタリングであるRSCCMM法に基づくCFを提案し，従来法よりパラメータ設定が容易で，安定して高い推薦性能を実現できることがわかった．RCM法に基づくCFにおいて，アンサンブル学習を導入し，多様なパラメータ設定による複数のクラスタリング結果に基づく推薦度を統合する方式を提案し，多角的な推薦を行う手法を開発した．確率的ラフ集合理論を導入したラフクラスタリングであるPRSCM法に基づくCFを提案し，より柔軟な近似に基づいて推薦を行う手法を開発した．CFタスクにおけるデータは多数の欠測値を含んでおり，従来法では本来の値とは異なる単一の値を代入することによりデータに歪みが生じる問題があった．それに対処するため，欠測値を含む次元を無視する部分的距離戦略を採用したRCM法に基づくCFを提案した．粒状性を考慮したラフクラスタリング手法であるRSCM法においてノイズ除去機構を導入したNoise RSCM法に基づくCFを提案し，ノイズロバストな推薦を実現した．
研究期間全体を通して，多様なラフクラスタリングを提案し，CFタスクへの応用においてその実用性を確認した．
|
Report
(4 results)
Research Products
(25 results)
