研究課題
本年度は最終年度であるので,研究をすすめてきた公平性制約と確率的行列分解を用いた独立性強化型推薦システム研究をまとめ,出版に注力した.加えて,独立性強化型推薦について今後の発展性を検討した.まず,公平性制約項と確率的行列分解を用いた独立性強化型推薦システムについて述べる.これは,利用者がアイテムに与えるであろう評価値を予測しする推薦タスクを対象としたものである.二つの分布の平均値のみを考慮 するご粗い近似により公平性を実装していたが,それに対して分布の二次以上のモーメントを考慮できる方法を2種類考案した.一つは正規分布間Bhattacharyya距離を用いたもの,もう一つは正規分布の交差エントロピーを用いたものである.分布の二次以上のモーメントを考慮できる利点を確認するための実験などを強化することで,その成果は機械学習における公平性の最初の国際会議であるFAT*2018に採録された.さらに今後の発展性について調査するため,この行列分解手法を,利用者にとって価値のあるアイテムをなにかしら発見する別のアイテム発見タスクという別の推薦タスクへの適用可能性を調査した.利用者の価値に対しては独立性を保てるもののの,利用者に提示した推薦リストについては独立性を保てない場合が生じうるという検証結果を得た.この点について改良を進める必要があり,今後の研究の方向性を得た.これについては,FATRECワークショップにて発表を行った.最後に,人工知能学会全国大会の招待講演などを通じ,機械学習における公平性についての知見を広めることに努めた.
すべて 2018 2017 その他
すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (3件) (うち国際学会 2件、 招待講演 1件) 備考 (1件)
Proc.of the FATREC Workshop on Responsible Recommendation
巻: - ページ: -
10.18122/B2871W
Proc. of the Conf. on Fairness, Accountability and Transparency
巻: PMLR 81 ページ: 187-201
http://www.kamishima.net/fadm/