| 研究課題/領域番号 |
20K19886
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 大阪公立大学 (2022-2023)
大阪府立大学 (2020-2021) |
|---|
研究代表者 |
生方 誠希 大阪公立大学, 大学院情報学研究科, 准教授 (10755698)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | ソフトコンピューティング / ファジィ理論 / ラフ集合理論 / クラスタリング / ファジィクラスタリング / ラフクラスタリング / 共クラスタリング / 協調フィルタリング |
|---|
| 研究成果の概要 |
RCMdd法の改良をはじめとして，ラフクラスタリング手法の種々の改良に取り組み，頑健かつ柔軟な分類を実現した．また，ラフ協調フィルタリングとしてRCM-CFやRSCM-CF，RMCM-CF，さらに，ラフ共クラスタリングベースの協調フィルタリングとしてRCCMM-CFやRSCCMM-CF等を提案した．これらにより，実データに内在する不確実性に対処し，推薦性能を向上させることができた．また，逐次データを読み込みパラメータを更新するオンライン学習やミニバッチ学習を取り入れ，さらに，クラスター数を適応的に調節する機構の導入や次元削減の活用により，大規模データへの適用を可能とした．
|
| 自由記述の分野 |
ソフトコンピューティング
|
| 研究成果の学術的意義や社会的意義 |
本研究では，ラフ集合理論に基づいて不確実性を考慮したクラスタリング手法の改良やその協調フィルタリングへの応用に取り組み，実データを用いた数値実験を通してそれらの有効性を実証した．提案するラフクラスタリングやラフ協調フィルタリングにより，実世界の多様なデータセットにおいて不確実性を考慮した適切な分類が可能となり，ユーザーが探しているコンテンツへのアクセスを容易にするなど，我々の生活をより豊かにするアプローチを提供した．
|
