| 研究課題/領域番号 |
18K11474
|
|---|
| 研究機関 | 大阪公立大学 |
|---|
研究代表者 |
本多 克宏 大阪公立大学, 大学院情報学研究科, 教授 (80332964)
|
|---|
| 研究分担者 |
生方 誠希 大阪公立大学, 大学院情報学研究科, 准教授 (10755698)
野津 亮 大阪公立大学, 大学院現代システム科学研究科, 教授 (40405345)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| キーワード | 共クラスタリング / ファジィクラスタリング / 意思決定支援 / 文書解析 / 共起関係データ分析 |
|---|
| 研究実績の概要 |
本研究では，多モード・多ソースからの共起関係データに内在する共クラスター構造の抽出に主眼を置き，関連性の強い多モード要素の対の抽出やソース間のプライバシー保護のための手法開発を目的としている．理論的・応用的側面の両面についての展開として，以下の成果を上げた．
(1) 多モードの関連性行列からのクラスター抽出の実用化展開として，協調フィルタリングにおけるコンテンツ嗜好評価データにジャンル情報を合わせて活用したコンテンツ推薦モデルを構築し，有効性を確認した．前年度に開発した3モードファジィ共クラスタリングに対する異なる観点からのアプローチの提案であり，これらの成果について，1件の国内学会発表を行った．
(2) スパースな多モードデータにおける協調フィルタリングモデルの高度化として，ファジィFactorization Machineのスイッチング分析手法を開発し，従来の単一モデルによる推薦に比して推薦性能が向上する有効性を確認した．クラスターごとに簡略化モデルを使い分けることで解釈の容易性が高まっており，これらの成果について，1件の国際会議発表および2件の国内学会発表を行った．
(3) 多ソースからのデータの学習モデルの理論的基盤の展開として，組織横断型データのANFIS連合学習モデルを開発した．(1)や(2)で開発した理論モデルを実データへ適用する際のモデル改良に必要となる知見が得られた．これらの成果について，1件の国内学会発表を行った．
|
