| 研究概要 |
研究テーマ(1):移動履歴のユーザ分類
移動軌跡データから有用な情報や知識の取得を行うデータマイニングの技術が重要視されており,移動軌跡の分類や行動の意味づけを行う研究が従来から行われている.本テーマでは、前年度に提案した手法について,移動予測への応用を目的としている.クラスタリングにより得られた結果を利用して,新たに得られた軌跡と比較を行い,類似するクラスタの情報から,次の移動先を返すモデルを提案した.予測モデルの構築により,推薦モデルへの対応も可能となった
研究テーマ(2):ボット発見のロバスト化
ボットやチートのような不正行為は他のプレイヤーに対して公平性を失わせる.不正行為を発見するには,不正を行っているデータ(以下MISDEED)と不正を行っていないデータ(以下HUMAN)が必要である.しかし,不正を行っているか行っていないかを自動で判別することが難しいため,HUMANかMISDEEDか識別されていないラベルなしデータ(以下UNLABELBD)が多く存在する.UNLABELEDを使用すると判別性能が上がるが学習時間が大きく増える.そこで,本論文ではUNLABELEDを選択しMISDEEDの判別性能を上げ学習時間を短縮する方法を提案した
研究テーマ(3):ゲーム退会時期の予測
本テーマでは再訪問パターンを元にしたオンラインゲームにおけるユーザーの休止・継続を判別する手法を提案し,データ不均一問題を解決する方法として,遺伝的アルゴリズムを用いたサンプリングを行うことによって,より高い精度で判別することが出来ると提案した.ユーザーの休止・継続を高い精度で予測することにより,より正確にユーザー数を推測し収益の予測やサーバーの管理などに役立てることが可能になると考えられる
|
