2021 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) 本課題では，k-medoids法に対してラフ集合理論の観点を導入したRCMdd法を提案している．今回，RCMdd法に対し，粒状性の観点を導入し，RSCMdd法を提案した．さらに，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件の国内学会発表を行った．
(2) 本課題では，共クラスタリングにラフ集合理論の観点を導入したラフ共クラスタリングとしてRCCMM法を提案している．今回，RCCMM法に対し，粒状性の観点を導入し，RSCCMM法を提案した．また，数値実験により，対象空間の粒状化方法を種々変化させることで，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．本成果について，1件の国内学会発表を行った．
(3) 本課題では，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たラフ協調フィルタリングとしてRCM-CFを提案している．今回，ラフ協調フィルタリングに対し，以下の改良を行った．大規模データへの適用に向けて，RCM-CFに対しオンライン学習のアプローチを導入し，ORCM-CFを提案した．また，ランダム射影によるデータの次元削減を行った上で類似ユーザーの分類を行うRP-RCM-CFを提案した．粒状性の観点を取り入れたRSCM法やRMCM法に基づくラフ協調フィルタリングとしてRSCM-CFとRMCM-CFを提案した．また，ユーザーではなくアイテムの類似性に基づき推薦を行うアイテムベースのアプローチを実装した．これらの改良によって，計算コストの削減や推薦性能の向上を実現した．本成果について，3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
2: Research has progressed on the whole more than it was originally planned.
Reason
主に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図った第2年度としては，当初の研究の目的を十分に達成することができた．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，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した．さらに，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．本成果は当初の予定通りの成果が得られた．一方で，ラフクラスタリングの目的関数の改良による種々の発展については，未達成となった．
(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した．数値実験により，対象空間の粒状化方法を種々変化させることで，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．本成果は当初の予定通りの成果が得られた．
(3) ラフ協調フィルタリングについては，大規模データへの適用に向けて，オンライン学習のアプローチを導入したORCM-CFやランダム射影によるデータの次元削減を導入したRP-RCM-CFを提案した．また，粒状性の観点を取り入れたRSCM法やRMCM法に基づくラフ協調フィルタリングとしてRSCM-CFとRMCM-CFを提案した．さらに，ユーザーではなくアイテムの類似性に基づき推薦を行うアイテムベースのアプローチを実装した．これらの改良によって，計算コストの削減や推薦性能の向上を実現した．本成果は当初の予定通りの成果が得られた．アイテムベースのアプローチの導入については，当初の予定にはなく新たに得られた成果である．
|
| Strategy for Future Research Activity |
第3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) クラスタリングベースの協調フィルタリングにおいては，クラスター数の設定が推薦性能に影響することがわかっている．しかし，RCM法やORCM法では，クラスター数を事前に設定する必要があり，適切なクラスター数の設定は困難である．そこで，オンライン学習中にクラスターを適応的に追加・統合することで自動的に適切な数のクラスターを生成することを目指して，Adaptive ORCM (AORCM)法を提案し，さらに，その協調フィルタリングへの応用としてAORCM-CFを提案する．そして，実データを用いた数値実験を通して，提案法の性能を検証する．
(2) 協調フィルタリングが扱うデータは対象×項目の共起関係データであり，人間の感性に起因する不確実性を含むと考えられ，ラフ共クラスタリングが有効であると考えられる．そこで，ラフ共クラスタリングの一手法であるRCCMM法に基づくCF (RCCMM-CF)を提案し，実データに対する推薦性能を検証する．
(3) RCM法に基づく協調フィルタリングとしてRCM-CFが提案されている．しかし，クラスター重心を使用した手法は，クラスター内二乗誤差の最小化に基づいているため，外れ値の影響を受けやすい．そこで，ノイズ除去機構を導入することで外れ値の影響を低減するNoise RCM (NRCM)法に基づく協調フィルタリング(NRCM-CF) を提案し，実データに対する推薦性能を検証する．
|
| 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3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．
|
