| 研究課題/領域番号 |
16K00417
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ウェブ情報学・サービス情報学
|
|---|
| 研究機関 | 北見工業大学 |
|---|
研究代表者 |
前田 康成 北見工業大学, 工学部, 教授 (30422033)
|
|---|
| 研究分担者 |
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)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2016年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 推薦システム / マルコフ決定過程 / 顧客クラス / 新規顧客 / 動的計画法 / 半教師付き学習 / EMアルゴリズム / 統計的決定理論 / 商品推薦システム / 新規顧客問題 / ニューラルネットワーク / 強化学習 / ベイズ基準 / マルコフ連鎖 / 人工知能 |
|---|
| 研究成果の概要 |
マルコフ決定過程（MDP）を用いて顧客クラスが変化する推薦システムのモデル化を行った。遷移確率が既知の場合に総売上の期待値を最大化する推薦方法を提案した。また、遷移確率が未知の場合の半教師付き学習方法も提案した。
MDPを用いて推薦システムにおける新規顧客に対する質問方法のモデル化も行った。遷移確率が既知の場合に総売上の期待値を最大化する質問方法を提案した。また、遷移確率が未知の場合の半教師付き学習方法も提案した。
|
| 研究成果の学術的意義や社会的意義 |
従来の推薦システム技術では、顧客の趣味などを示す顧客クラスが固定のもとで売上を最大化することは可能だったが、顧客クラスが変化（顧客の趣味などが変化）する場合の最大化は不可能だった。本研究成果によって、顧客クラスが変化する場合であっても売上の最大化が可能になる。
また、従来の推薦システム技術では、通信販売サイトを初めて訪問する顧客（新規顧客）に対して何らかの質問（年齢、趣味などに関する質問）をすることは可能だったが、売上を最大化するための質問は不可能だった。本研究成果によって、売上を最大化するために必要な新規顧客に関する情報を取得するための質問選択が可能になる。
|
