文献

J-GLOBAL ID：202502270555138364   整理番号：25A0527891

NSP-BERT:滞在時間を考慮に入れた効率的なNext Stay予測手法

NSP-BERT: An Efficient Method for Next Stay Prediction Considering Duration Time

著者 (7件)： 寺島青 (名古屋大 大学院工学研究科) ,  田村直樹 (名古屋大 大学院工学研究科) ,  庄子和之 (名古屋大 大学院工学研究科) ,  片山晋 (名古屋大 大学院工学研究科) ,  浦野健太 (名古屋大 大学院工学研究科) ,  米澤拓郎 (名古屋大 大学院工学研究科) ,  河口信夫 (名古屋大 大学院工学研究科)
資料名： 情報処理学会シンポジウムシリーズ(CD-ROM)  (IPSJ Symposium Series (CD-ROM))
巻： 2024  号： 1  ページ： ROMBUNNO.8B-1  発行年： 2024年06月19日 
JST資料番号： L6741A  ISSN： 1882-0840  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： スマートフォンの普及に伴い,大規模な位置情報データの収集が容易となり,位置情報データを用いた研究が盛んに行われるようになった.大規模な位置情報データを用いて人間の移動傾向の分析・理解をし,その結果を都市計画,交通計画,災害対策等に活用する取り組みが行われている.滞在履歴から滞在の周期性,高頻度で滞在する場所等を見つけ,滞在傾向の特徴を捉えると,ユーザ毎に将来の滞在エリアとそのエリアでの滞在時間が予測でき,各エリアでのマーケティング戦略等に活用できる.週単位や月単位といった様々な滞在の周期性が混在する滞在履歴から,滞在傾向の特徴を詳細に捉えるためには深層学習モデルが有効であると考える.しかし,RNNやLSTMは滞在履歴の長期の依存関係の考慮を不得意とし,逐次的な予測手法で多くの時間を要する.そこで,滞在履歴の長期の依存関係を考慮し,かつ効率的に将来の滞在を予測するためにNSP-BERT(Next Stay Prediction BERT)を提案する.NSP-BERTはTransformerのAttention機構により滞在履歴の長期の依存関係を考慮でき,逐次的な予測を行わずEncoderから出力されるベクトルとFC Layerで滞在エリアと滞在時間の予測を行うため効率性が高い.また,同じエリアでの連続する滞在を滞在時間としてまとめて予測し,従来の時間刻みの予測で必要であった計算コストを削減した.実世界の位置情報データを用いてNSP-BERTとLSTMの滞在予測精度および効率性を比較した.滞在エリア一致率,滞在時間の一致率,GEOBLEU,DTWのスコア全てにおいてNSP-BERTがLSTMを上回り,かつ学習時間も少なかったことからNSP-BERTの予測性能および効率における優位性を示した.(著者抄録)

シソーラス用語： *滞留時間 ,  *位置情報 ,  予測 ,  市場戦略 ,  学習モデル ,  *深層学習 ,  言語モデル ,  マーケティング
準シソーラス用語： BERT ,  *マーケティング戦略 ,  深層学習モデル ,  *滞在エリア ,  滞在時間 ,  地域マーケティング

分類 (2件)： 人工知能  (JE08000Z) ,  マーケティング  (KA06020W)

タイトルに関連する用語 (2件)： 滞在時間 ,  予測手法