• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2016 年度 実績報告書

メタバースとそのソーシャルネットワークのための体験支援

研究課題

研究課題/領域番号 26330421
研究機関立命館大学

研究代表者

THAWONMAS Ruck  立命館大学, 情報理工学部, 教授 (50320122)

研究期間 (年度) 2014-04-01 – 2017-03-31
キーワードメタバース / 情報推薦 / 行列分解 / 不均衡データ問題 / サポートベクターマシン
研究実績の概要

本研究の目的は,Second Life(SL)に代表されるインターネット上に存在する仮想三次元空間であるメタバースの訪問体験の質を向上させるための手法を確立させることである.
当該年度では最終年度であるため,これまでの課題を整理した結果,以下の研究内容を実施した.
○範囲制約付き行列分解法bounded-SVD biasの改善
bounded-SVD と呼ばれる新しい範囲制約付き行列分解の手法に対して拡張を図り,前年度に提案したbounded-SVD biasの性能を改善した.bounded-SVDとは予測評価値が範囲内になるように範囲制約をもつ行列分解法を指す.前年度の拡張(bounded-SVD bias)ではユーザのバイアス及びアイテムのバイアスが導入され,前記のデータセットを用いた評価実験において性能の向上が確認できた.しかし,bounded-SVD biasは過剰学習という現象が生じる傾向にあった.そのため,bounded-SVD biasに対して過剰学習を防ぐための正則化項を導入し,その有効性を同データセットにて確認した.
○プレイヤー分類のための不均衡データ問題の解消
メタバースにおいてプレイヤーの種類が偏っており,プレイヤーに対して情報推薦を行う際に,不均衡データ問題を解消する必要があった.ここで,SVM(サポートベクターマシン)に着目し,SVMによるプレイヤー分類における不均衡データ問題の解消を図った.既存手法では,SVMの入力空間においてボーダーに隣接した少数タイプのデータ間に人工的に新たな学習データを生成していたが,生成されたデータが,SVMで重要となる,特徴空間において分類境界に隣接することが保証されない.それに対して,特徴空間で少数タイプの新たな学習データを生成する手法を提案した.データ分類のいくつかのベンチマークデータを用いて提案手法の有効性を確認した.

  • 研究成果

    (3件)

すべて 2016 その他

すべて 国際共同研究 (1件) 雑誌論文 (2件) (うち国際共著 2件、 査読あり 2件、 オープンアクセス 1件、 謝辞記載あり 2件)

  • [国際共同研究] バンコク大学(タイ)

    • 国名
      タイ
    • 外国機関名
      バンコク大学
  • [雑誌論文] Borderline Over-sampling in Feature Space for Learning Algorithms in Imbalanced Data Environments2016

    • 著者名/発表者名
      Kittipat Savetratanakaree, Kingkarn Sookhanaphibarn, Sarun Intakosum and Ruck Thawonmas
    • 雑誌名

      IAENG International Journal of Computer Science

      巻: 43 (3) ページ: 363-373

    • 査読あり / オープンアクセス / 国際共著 / 謝辞記載あり
  • [雑誌論文] An Improvement of Matrix Factorization with Bound Constraints for Recommender Systems2016

    • 著者名/発表者名
      Kazuki Mori, Tung Nguyen, Tomohiro Harada, and Ruck Thawonmas
    • 雑誌名

      Proc. of the 2016 5th IIAI International Congress on Advanced Applied Informatics (IIAI-AAI 2016)

      巻: - ページ: 103-106

    • DOI

      10.1109/IIAI-AAI.2016.244

    • 査読あり / 国際共著 / 謝辞記載あり

URL: 

公開日: 2018-01-16  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi