2022 Fiscal Year Annual Research Report
Deepening of Recommender Systems with Explanations and their Quality Evaluation
| Project/Area Number |
21H03553
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
岡本 一志 電気通信大学, 大学院情報理工学研究科, 准教授 (10615032)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高間 康史 東京都立大学, システムデザイン研究科, 教授 (20313364)
吉田 真一 高知工科大学, 情報学群, 教授 (30334519)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 情報推薦 / 推薦理由の説明 / 説明の効果 / 協調フィルタリング / 品質評価 |
|---|
| Outline of Annual Research Achievements |
本研究は，動的・複数項目の評価データ・ユーザIDの有無が混在といった，より高次の情報や複雑な状況を対象に，推薦理由を説明する情報推薦システムを開発し，理由の説明機能の品質評価法を確立する．本年度の主な実績は次のとおり．
（１）一定期間に発生した行動やイベントの集合であるセッションを対象とした推薦システムの開発に取り組み，その過程で，反復性のある行動が推薦精度に強く影響を与えることを明らかにした．これは，Point of Interest推薦において，反復性のある行動ログの除外が推薦精度・多様性・新規性に与える影響を検証した実験に基づくものである．実験では，GRU4Rec以外のセッションベース推薦システムで精度の低下が生じ，GRU4Recは精度を比較的維持できる傾向を確認している．この結果は，GRU4Recのように過度に個人化しないセッションベース推薦システムが，学習データに反復性のある行動を多く含むケースに適していることを示唆している．このことから，推薦理由の説明機能の設計において，推薦精度と説明性の両立の観点で個人化の度合いも考慮すべきという知見が得られた．
（２）これまでに展開してきた価値観モデリングの研究を推進し，価値観モデリングのアプローチで複数項目の評価データを対象とする推薦システムの開発に引き続き取り組んだ．具体的には，価値観をユーザの個別の評価項目（属性）へのこだわり度と仮定し，線形回帰モデルを用いてユーザが付与した属性評価値と総合評価値の関係を回帰係数として抽出し，その回帰係数に基づき推薦・説明するシステムを開発した．現時点では，推薦精度の評価のみであるが，Livedoorグルメデータセットを用いた推薦実験より，従来の価値観推定法と比べて推薦精度が向上することを確認している．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度の当初計画では，主としてセッションデータおよび複数項目の評価データを対象とした説明機能付きの推薦システムの開発を予定しており，その候補となるプロトタイプシステムを開発することができた．以上の理由から，おおむね順調に進展していると判断している．
|
| Strategy for Future Research Activity |
2022年度に引き続き，セッションデータや複数項目の評価データを対象とした説明機能付きの推薦システムの開発を行う．併せて，推薦理由の説明効果の評価法について関連研究の調査を進め，その適用可能性を検討する．
|
