| 研究実績の概要 |
本研究で扱う情報はベクトルモデルとして表現され、ベクトルの要素に商品の様々な特徴やスペック、迷惑メールの固有な表現、観光地のセールスポイントなどが考えられる。また、消費者の嗜好も同じくベクトルで表現される。推薦は類似（近傍）検索に基づいて類似度のランキングにより行われるが、従来の研究では消費者に高品質な商品・情報を提供することが最大の目標である。これに対して、「逆」情報推薦は情報とその消費者の嗜好との合致度から利用可能性が高い人の集団を検出し、供給者に推薦する。
原始問題はNP困難であるため、クエリ点から最も近いオブジェクトを検索するという最近傍検索問題の中にNNH (Nearest Neighborhood) 問題からアプローチした。これは, 指定個数のオブジェクトのグループ(i.e. クラスタ) のコンパクト性, クエリ点との距離を合わせて比較、判断し、最適なグループを検索する問題である。データの個数を指定しない最近近傍検索アルゴリズムを提案した。
逆情報推薦に応用するため、合成データを用いて予算内で最大の改良効果が望める商品をクエリ集合内から選択し、その商品の改良を提案し、手法の実験、検証を行った。また研究目的としてのプロトコルシステムを実装した。
逆情報推薦ではあるシステムの利用者の評価情報を汲み取りシステムの構成などの改良を行った。興味のある利用者を動的にモニタリングする、趣味が近似する利用者のグループを効率的に検索するという課題に取り掛かり、それぞれ研究結果をまとめて国際会議において論文を発表した。関連して、集約最近傍という問合せ問題に対し検索手法を提案した．
本研究の研究成果はVLDBに発表し、国際会議FICC21にてBest Paper, 国際会議INTAP21にてBest Student Paper, 国内会議DEIM2022にて優秀論文賞をそれぞれ受賞した。
|
