| 研究課題/領域番号 |
19K22896
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 東京都立大学 |
|---|
研究代表者 |
高間 康史 東京都立大学, システムデザイン研究科, 教授 (20313364)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2019年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 情報推薦 / ユーザプロファイリング / プロービングアイテム / 行動履歴データ / 行動変容 / ユーザプロファイル / 行動変容支援 |
|---|
| 研究開始時の研究の概要 |
ユーザの反応を引き出すために使われる提示アイテムをプロービングアイテムと定義し，行動履歴に関する匿名化された大規模データセットから発見する手法，これを利用してユーザプロファイルを構築する手法について研究する．本研究により，匿名化された行動履歴データを推薦対象ユーザと紐付けずに活用可能とすること，省エネルギーなどの社会問題解決に有効な行動変容支援への貢献が期待できる．
|
| 研究成果の概要 |
本研究では，ユーザの反応を引き出すために使われる提示アイテムをプロービングアイテムと定義し，行動履歴に関する匿名化された大規模データセットからプロービングアイテムを発見し，推薦に利用する手法について研究した．プロービングアイテムの発見に関して，エージェントシミュレーションを利用したプロービングアイテム決定戦略の比較検討，プロービングアイテムに適したアイテムの発見を目的とした実データセットの分析，アイテムの組み合わせに着目した研究などに取り組み有益な知見を得た．プロービングアイテムを重視したユーザプロファイル構築手法を提案し，オフライン実験で有効性を検証した．
|
| 研究成果の学術的意義や社会的意義 |
情報推薦は，必要な情報を効率よく発見するために欠かせない技術となっている一方，購買など個人の行動履歴に関する情報を必要とするため，プライバシーに関する懸念なども指摘されている．近年の個人情報保護に対する意識の高まりなどを鑑みると，匿名化された大規模行動履歴データについて，目の前の推薦対象ユーザと紐付けない利用方法を検討することは重要である．本研究は，少数アイテム（プロービングアイテム）へのフィードバックを有効活用することで個人情報の大規模な収集を不要とすることを目指したものであり，得られた知見はプライバシー保護とビッグデータ活用の両立に貢献するものと考える．
|
