| 研究課題/領域番号 |
18360178
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
酒井 善則 東京工業大学, 大学院・理工学研究科, 教授 (70196054)
|
|---|
| 研究分担者 |
山岡 克式 東京工業大学, 大学院・理工学研究科, 准教授 (90262279)
小林 亜樹 メディア教育開発センター, 研究開発部, 准教授 (30323801)
宮田 高道 東京工業大学, 大学院・理工学研究科, 助教 (90431999)
|
|---|
| キーワード | メタデータ / コンテンツ配信 / コンテンツ検索 / 仮説検定 |
|---|
| 研究概要 |
本年度はソーシアルブックマークにおいて同一タグ(メタデータ)を付与されたコンテンツ群をクラスタと考え、クラスタ間の類似度をゆう度比を用いて求め、コンテンツ推薦を行う手法について更に研究を進めた。ゆう度比で定義された類似度に基づいて推薦する方式が他の方式に比べて正しい類似度を表現でき、この結果メタデータ意味を基に推薦するシステムに比べて優れた検索特性を得ることを明らかにした。以上の結果は情報処理学会論文誌に採択、掲載されている。現在はクラスタ間の類似度を基に、類似度が大きいクラスタ間をリンクで接続して、このリンク構造をもとにしたネットワークを利用して、推薦、検索を行うことにより、ネットワーク内での推薦、検索の際に必要なトラヒックを低減できる方式を提案して、その検討を行っている。次に、昨年度に引き続きメタデータをネットワーク内に配置して、これによりコンテンツ検索を容易にするシステムについて検討した。この方式ではメタデータ閲覧、コンテンツ検索に至るプロセスを確率モデル近似して、利用者の検索コストを最小にすることを目指している。検索コスト最小となるメタデータ提示順序をもとに、確率モデル構築に必要なパラメータの推定方式、更には推定誤差に起因する検索コストの増大効果を解析して、提案方式の実用時の問題点を検討した。この結果、同一メタデータに対する閲覧実績が数10あれば、十分パラメータ推定誤差も小さくでき、実用的な特性が得られることを明らかにした。本方式に関しては、以上の検討をもとにネットワーク内におけるメタデータ配置の最適化の検討も行い、現在学会論文として投稿中である。
|
