2018 Fiscal Year Annual Research Report
Construction of basic theory for next generation recommender system based on spatial analysis and temporal control
| Project/Area Number |
16K00417
|
|---|
| Research Institution | Kitami Institute of Technology |
|---|
Principal Investigator |
前田 康成 北見工業大学, 工学部, 教授 (30422033)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
堀井 俊佑 早稲田大学, グローバルエデュケーションセンター, 准教授(任期付) (00552150)
松嶋 敏泰 早稲田大学, 理工学術院, 教授 (30219430)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 商品推薦システム / 顧客クラス / 新規顧客問題 / マルコフ決定過程 / 半教師付き学習 / ニューラルネットワーク / 強化学習 |
|---|
| Outline of Annual Research Achievements |
従来から商品推薦システムでは、同じクラスに属する顧客は同様の商品を購入すると仮定して、顧客や商品の類似度に関する分析結果を商品の推薦に利用している。本課題では、顧客や商品の類似度に関する分析を空間的分析と呼んでいる。
また、商品を推薦する本来の目的は売上高の最大化であり、目的を達成するためには商品の推薦と推薦後の顧客の行動（購入／未購入）を時間軸でとらえて分析し、顧客を購買行動へ誘導するような商品を推薦する必要がある。本課題では、このような顧客の誘導を時間的制御と呼んでいる。
本課題では、空間的分析と時間的制御を融合した商品推薦問題において、マルコフ決定過程を用いて定式化し、売上高を最大化する次世代商品推薦システムのための基礎理論を構築することを目的としている。
前年度までに、顧客の所属クラス（興味／嗜好などに相当）の変化に対応する商品推薦方法、所属クラスが未知の新規顧客に対して初回のログイン時に適応的に質問した後に商品を推薦する商品推薦方法について検討した。しかし、前年度までの検討では顧客が商品を購入する確率などの各種確率の値が既知と仮定していた。今年度はより現実に近い設定である各種確率が未知の場合について、顧客の所属クラスの変化に対応する商品推薦方法、所属クラスが未知の新規顧客に対応する商品推薦方法について検討した。具体的には、未知の確率値を学習するための学習データが不完全な場合にも学習可能な半教師付き学習アルゴリズム、近年盛んに研究されている深層学習（ディープラーニング）の基礎となるニューラルネットワークを用いた強化学習アルゴリズムを提案した。さらに、シミュレーションによって提案アルゴリズムの検証も行い、その有効性を確認した。
|
| Remarks |
（１）は北見工業大学の産学連携用の研究シーズ紹介Webページです。研究シーズ一覧中の本課題代表者の前田のシーズ「様々な産業に貢献可能な柔軟な知識情報処理技術」中で本課題を紹介しています。
（２）は北見工業大学の研究室紹介用Webページです。「情報システム」配下の「人工知能」配下の「知識情報処理研究室」が本課題代表者の前田の研究室で、紹介内容に本課題が含まれます。
|
