研究課題/領域番号 |
18K18159
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分62020:ウェブ情報学およびサービス情報学関連
|
研究機関 | 電気通信大学 |
研究代表者 |
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)
|
研究期間 (年度) |
2018-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
キーワード | 情報推薦 / 推薦理由の説明 / 協調フィルタリング / 線形回帰モデル / 図書推薦システム / 研究者推薦システム / 次元削減 / ニューラルネットワーク / 回帰分析 |
研究成果の概要 |
本研究では,推薦理由の説明機能を有するモデルベース協調フィルタリングに関する技術開発に取り組んでいる.ユーザとアイテムを同時に1つの線形回帰式で扱い回帰係数の提示により推薦理由の説明が可能なモデルを提案しており,Factorization Machinesと比較して提案法が同程度の推薦精度を有し25倍以上高速に学習できることを検証している.さらに,ユーザとアイテムの交互作用を追加したモデルも提案している.これらの結果から,協調フィルタリングにおいて,線形回帰モデルで高速かつ十分な精度の推薦が行えることを明らかにしている.
|
研究成果の学術的意義や社会的意義 |
協調フィルタリングの実現手法にはメモリベース法とモデルベース法の2つがあり,推薦理由の説明に関する多くの研究はメモリベース法を対象としている.一方で,モデルベース法は推薦モデルが学習できれば高速な推薦を行えるが,既存手法では推薦がどの変数に影響を受けたかの把握が難しく,推薦理由の説明には直接活用できない課題がある.本研究の意義は,モデルベース協調フィルタリングにおいて,線形回帰モデルという予測の透明性を有し広く知られた手法を用いることでも高速かつ十分な精度の推薦が行えることを明らかにしたところにある.
|