2016 Fiscal Year Research-status Report
推薦理由および予見情報を提示するユーザ操作可能な情報推薦システム
| Project/Area Number |
15K16091
|
|---|
| Research Institution | Kogakuin University |
|---|
Principal Investigator |
北山 大輔 工学院大学, 情報学部(情報工学部), 准教授 (40589975)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 推薦システム / ユーザ行動 |
|---|
| Outline of Annual Research Achievements |
28年度は，(A)では手法の拡張及び評価を行い，(B)では対応するメディアの種類を拡張した．それぞれの目的に対し，以下のように取り組んだ．
(A) ユーザ行動パターンに基づく推薦理由の明示化として，ユーザ行動パターンに基づく嗜好情報の抽出手法の開発に取り組んだ．28年度において嗜好情報抽出は従来手法の適応可能性の検討を行った．具体的には．ナイーブベイズのような機械学習手法を用い，ユーザ行動パターンを分離する要因となるキーワードの抽出や，キーワードの出現確率を用いたユーザの閲覧行動の表現に取り組んだ．また，推薦結果の多様性を確保するために，従来手法では抽出されない，コンテンツの部分的な類似性と全体的な類似性の差異を組み合わせることを検討した．
抽出した嗜好情報を用いて，推薦理由に相当するコンテンツが適切に推薦コンテンツとして抽出できるかどうかを検証した．ユーザの嗜好を表現する入力に対し，特定の推薦理由にもとづいてコンテンツを推薦する方式のモデル化を行った．また，このモデルに基づいたプロトタイプシステムを構築し，推薦理由を提示することによるユーザの情報選択行動の変化を測定し，推薦理由に基づくコンテンツ推薦の有効性を評価した．
(B) ユーザの選択操作による推薦方向の予見
キーワード推薦以外の地理情報，店舗推薦や映画/動画推薦に対し，ユーザの入力に対し，推薦結果を予見させるような情報提示に取り組んだ．キーワード推薦においては，そのキーワードによる検索結果を予見させるのに対し，地理情報，店舗推薦や映画/動画推薦では，ユーザの選択に対し，その後の推薦を予見させる必要がある．その為適切な推薦アイテムのシミュレーション手法を開発した．構築したシステムを用いて，数十名程度の被験者を使用し，実際の選択行動に対し，提案手法を評価した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
申請時に計画していたのはキーワードベースの手法であったが，前年度により複雑なコンテンツベースの手法の検討に取り組んだ．その結果，動画推薦，地理情報，店舗推薦，映画/動画推薦のドメインにおいてのモデル化の検討及びプロトタイプシステムの開発に着手している．これらは国内研究会において4件の発表を行っている．また，国際会議において1件の発表を行っている．テキストベースの手法に関しても，ユーザの入力した複合クエリと同等の単一キーワードを抽出する手法に取り組んだ．また，ユーザ行動を詳細に分析する方法として，twitterのツイート情報を分類器で学習することで，ユーザの判断要因を抽出する技術に取り組んだ．これは国内研究会においてそれぞれ1件の発表を行っている．
これらのことより，おおむね順調に進展していると判断できる．
|
| Strategy for Future Research Activity |
本研究では，情報個人化におけるフィルターバブル問題に対し，(A)ユーザ行動パターンに基づく推薦理由の明示化，(B)ユーザ選択操作に基づく推薦方向の予見手法の開発に取り組む．これらの手法は平行に進めてきており，(A)に関しては本年度において多様な嗜好表現への対応が可能なように拡張する．また，最終年度において，(C)としてフィルターバブル問題のためのユーザによる多様な情報を取捨選択可能な推薦アルゴリズムを実装し，それぞれの手法の有用性，および情報選択能力の成長モデルとしての有効性を評価する．
(A)ユーザ行動パターンに基づく推薦理由の明示化
ベクトル空間モデル等，他のモデルによる嗜好情報表現へ拡張する．より複雑な嗜好情報表現を用いた詳細な推薦理由の生成手法を開発する．実際のコンテンツ推薦への適応を検討するために，数十名程度の被験者をもちいて，推薦理由明示化の評価実験を行う．また，数名の被験者に対して，理由の明示による情報選択行動の変化を調査する．
(C)フィルターバブル問題のためのユーザによる多様な情報を取捨選択可能な推薦アルゴリズム
最終年度では，(A)と(B)を統合したシステムを開発する．提案手法を適応したシステムと適応しないシステムを被験者に利用してもらい，フィルターバブルと考えられる嗜好情報の偏りの発生を比較する．また，新たな関心対象の発見頻度や，情報の取捨選択行動の変化について聞き取り調査を行い，ユーザの行動変化を評価する．
|
