2020 Fiscal Year Research-status Report
New Development of Clustering Methods Considering Uncertainty Based on Rough Set Theory
| Project/Area Number |
20K19886
|
|---|
| Research Institution | Osaka Prefecture University |
|---|
Principal Investigator |
生方 誠希 大阪府立大学, 工学(系)研究科(研究院), 准教授 (10755698)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| 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 |
|---|
| Outline of Annual Research Achievements |
ラフクラスタリングの発展的手法および共クラスタリングや協調フィルタリングへの応用に関する研究を行い，以下の成果を上げた．
(1) k-medoids法に対してラフ集合理論の観点を導入したRCMdd法を基礎として，Euclid距離を一般化したMinkowski距離を導入した手法を開発し，柔軟かつ頑健なクラスタリングを実現した．本成果について，1件の国際会議発表を行った．
(2) 共クラスタリングにラフ集合理論の観点を導入し，ラフ共クラスタリングを提案した．通常のクラスタリングにおいてハードクラスタリングであるHCM法からラフクラスタリングであるRCM法を導くラフ化の仕組みを，ファジィ共クラスタリングであるFCCMM法をクリスプ化したHCCMM法に適用することで，ラフ共クラスタリングとしてRCCMM法を提案した．また，数値実験により，オーバーラップした共クラスターを適切に抽出できることを確認した．これにより，ラフ共クラスタリングの理論的基礎を構築した．本成果について，1件の国際会議発表を行った．
(3) クラスタリングベースの協調フィルタリングにラフ集合理論の観点を導入し，ラフ協調フィルタリングを提案した．ラフクラスタリングであるRCM法を使用した協調フィルタリングとしてRCM-CFを開発し，数値実験により，推薦性能を高められることを確認した．さらに，粒状性を考慮したラフクラスタリングであるRMCM法を使用した発展的手法としてRMCM-CFを開発した．また，数値実験により，粒状性に基づく不確実性の取り扱いが推薦性能を向上させることを確認した．これにより，協調フィルタリングタスクにおけるユーザの感性に起因するデータに対し，ラフ集合理論に基づくクラスターへの帰属の不確実性の取り扱いが有効に働くことが示唆された．本成果について，1件の国際会議発表，1件の国内学会発表を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
主に基礎理論の発展からの展開を図った初年度としては，当初の研究の目的を十分に達成し，さらに，計画以上の成果を得た．以下に，個別の課題における達成状況を述べる．
(1) 当初計画していた，ラフクラスタリングの目的関数の定式化やノイズロバストなラフクラスタリングについては，以前の研究課題「若手研究(B)：ラフ集合に基づくk-means型クラスタリングに関する研究」との関連性が強く，当該研究課題の延長期間の枠組みで実現することができた．ノイズロバストなラフクラスタリングの提案法であるRCMdd法について，本研究課題の枠組みでは，距離基準の一般化を図り，柔軟かつ頑健なクラスタリングを実現した．本成果は当初の予定からより発展させた内容であり，想定を超える成果が得られた．
(2) ラフ共クラスタリングについては，通常のクラスタリングにおいてハードクラスタリングであるHCM法からラフクラスタリングであるRCM法を導くラフ化の仕組みを，ファジィ共クラスタリングであるFCCMM法をクリスプ化したHCCMM法に適用することで，ラフ共クラスタリングとしてRCCMM法を提案した．また，数値実験により，オーバーラップした共クラスターを適切に抽出できることを確認した．これにより，ラフ共クラスタリングの理論的基礎を構築することができた．本成果は第2年度に計画していた内容であり，想定を超える成果が得られた．
(3) ラフ協調フィルタリングについては，ラフクラスタリングであるRCM法を使用した協調フィルタリングとしてRCM-CFを開発し，さらに，粒状性を考慮したラフクラスタリングであるRMCM法を使用した発展的手法としてRMCM-CFを開発した．また，数値実験により，ラフ集合理論に基づく不確実性の取り扱いが推薦性能を向上させることを確認した．本成果は第3年度に計画していた内容であり，想定を超える成果が得られた．
|
| Strategy for Future Research Activity |
第2年度では，ラフクラスタリングの発展的手法および共クラスタリングや協調フィルタリングへの応用に関する研究を継続する．
(1) ラフクラスタリングの発展的手法については，目的関数の定式化が達成されたため，それを土台として，目的関数の改良による種々の発展を図る．例えば，目的関数の改良によるノイズ除去機構の導入等を検討する．ノイズロバストなラフクラスタリングについては，提案法であるRCMdd法を発展させ，粒状性を考慮した手法としてRSCMdd法を提案し，数値実験により，その特性や性能を検証する．
(2) ラフ共クラスタリングについては，提案法であるRCCMM法を発展させ，粒状性を考慮した手法としてRSCCMM法を提案し，数値実験により，その特性や性能を検証する．
(3) ラフ協調フィルタリングについては，提案法であるRCM-CFやRMCM-CFに加えて，RSCM-CFを提案し，数値実験により，その特性や性能を検証する．協調フィルタリングで取り扱う「ユーザ×アイテム」の評価履歴・購入履歴のデータは一般にデータサイズが大きく，現在提案しているバッチ型の手法では実問題においては計算が困難である可能性がある．そこで，データを逐次読み込みながらパラメータを更新するオンライン学習やミニバッチ学習を取り入れ，効率化を図る．また，ランダム射影等の次元削減手法を利用し，データの構造を維持しながらデータサイズを抑えてラフ協調フィルタリングを実行する手法を提案し，効率化を図る．
|
| Causes of Carryover |
[理由]
新型コロナウイルスの影響で，参加予定だった国内学会・国際会議が中止あるいはオンライン開催となり，参加費・旅費等の支払いが大きく減少したため．
[使用計画]
第2年度においても，新型コロナウイルスの影響で国内学会・国際会議の多くがオンライン開催となることが予想される．オンラインでの研究発表に関連する参加費に使用する他，学術論文誌への論文投稿を積極的に行い，英文校正料や論文掲載料等に使用することで，研究成果の発信を促進する．
|
