文献

J-GLOBAL ID：200902270984026837   整理番号：09A0181504

嗜好のモデル化におけるモデル適応について

Model Adaptation in Preference Modeling

著者 (3件)： 麻生英樹 ,  本村陽一 ,  小野智弘 (KDDI研究所)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 108  号： 383(NC2008 82-102)  ページ： 101-106  発行年： 2009年01月12日 
JST資料番号： S0532B  ISSN： 0913-5685  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： ユーザの嗜好にあったサービスを提供するために,嗜好の確率統計的なモデル化が行われている。状況依存な嗜好をモデル化する際には,多様な状況における嗜好について大量のデータの収集が必要であるが,多くの場合にコストが高い。また無作為抽出が不可能であることが多く,偏ったデータしか得られないことも多い。一方,調査研究や統計的学習の分野では,学習用データが偏っていたり疎であったりする場合に対処するために,ドメイン適応と呼ばれる技術が研究されてきている。本発表では,これまで様々な分野で研究されてきたドメイン適応技術を包括的に概観し,そこに共通する構造を明らかにするとともに,それらの技術が嗜好のモデル化にどのように適用できるかについて検討する。同時に,嗜好のモデル化において用いられている協調フィルタリングなどの技術について,ドメイン適応技術の面からの解釈を与える。(著者抄録)

シソーラス用語： *嗜好性 ,  *モデリング ,  *適応 ,  カスタム化 ,  個人 ,  フィルタリング ,  消費者志向 ,  インターネット ,  情報システム ,  情報サービス ,  機械学習
準シソーラス用語： ドメイン適応 ,  モデル適応 ,  パーソナライゼーション ,  協調フィルタリング ,  推薦システム

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (25件)：

• VAPNIK, V. N. The Nature of Statistical Learning Theory. 1995
• BISHOP, C. M. Pattern Recognition and Machine Learning. 2006
• SHIM, H. Improving predictive inference under covariate shift by weighting the log-likelihood function. Journal of Statistical Planning and Inference. 2000, 90, 2, 227-244
• 杉山将. 共変量シフト下での教師付き学習. 日本神経回路学会誌. 2006, 13, 3, 111-118
• SUGIYAMA, M. Direct importance estimation for covariate shift adaptation. Annals of the Institute of Statistical Mathematics. 2008, 60, 4, 699-746

タイトルに関連する用語 (3件)： 嗜好 ,  モデル化 ,  モデル適応