2021 Fiscal Year Annual Research Report
Investigating the identifiability of machine learning and its application to consumer behavior analysis
| Project/Area Number |
20K22125
|
|---|
| Research Institution | Ishinomaki Senshu University |
|---|
Principal Investigator |
佐藤 平国 石巻専修大学, 経営学部, 助教 (10878804)
|
|---|
| Project Period (FY) |
2020-09-11 – 2022-03-31
|
| Keywords | 潜在変数モデル / 識別性 / ニューラルネットワーク / 潜在的ディリクレ配分法 / マーケティング尺度 / テキスト分析 |
|---|
| Outline of Annual Research Achievements |
本年度の研究実績は、大きく以下の2つがある。1つ目は、制約付きのLDA（Latent Dirichlet Allocation）をマーケティング尺度の分析へ応用した実証研究である。この研究では、前年度に取り組んだ識別可能なLDAを測定モデルとして利用し、サービス品質を測定するマーケティング尺度の測定値から該当する構成概念をトピックとして推定する方法を検討した。マーケティング尺度は、測定値が順序得点であっても十分な選択肢数があれば因子分析による近似モデルが伝統的に適用されてきた。しかし、得点のカテゴリを厳密に予測したい場合には、測定値をカテゴリカル尺度、または順序尺度とみなしてモデルを仮定する方が利便性は高い。そこで、LDAを測定モデルとして利用するために、因子モデルの負荷量に対応するLDAの項目分布（確率）（単語データを利用した際の単語分布）に確認的因子分析モデルで利用される制約を取り入れた。また、実証分析や追加検証の結果を国内外の研究会議で報告し、今後の課題や改善点を整理した。2つ目は、ニューラルネットワークのパラメータ推定値の安定性を改善する方法の研究である。ニューラルネットワークもまたLDAと同じようにパラメータの推定値が不安定になることが珍しくない。そのため、まずは層やユニットの少ない簡単なニューラルネットワークの不安定性の解決に取り組み、マーケティングや消費者行動分析への応用可能性を議論した。実証分析では、上述の制約付きLDAを検証した手順と同様に、推定される潜在変数の理論的な構造や解釈が事前に明らかであるマーケティング尺度のデータを利用することで、それらが再現されるかを検証した。また、この研究成果を国際会議で報告し、さらに、マーケティング尺度とテキストデータの同時分析を行うニューラルネットワークへの拡張についてワーキングペーパーに整理した。
|
