文献

J-GLOBAL ID：201002231966229858   整理番号：10A0587714

購買行動解析のためのトピック追跡モデル

著者 (4件)： 岩田具治 (NTT コミュニケーション科学基礎研) ,  渡部晋治 (NTT コミュニケーション科学基礎研) ,  山田武士 (NTT コミュニケーション科学基礎研) ,  上田修功 (NTT コミュニケーション科学基礎研)
資料名： 電子情報通信学会論文誌 D  (IEICE Transactions on Information and Systems (Japanese Edition))
巻： J93-D  号： 6  ページ： 978-987  発行年： 2010年06月01日 
JST資料番号： S0757C  ISSN： 1880-4535  資料種別： 逐次刊行物 (A)
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： 購買ログデータを用いて,時間変化するユーザの興味及び商品の流行を追跡するためのトピックモデルを提案する。提案モデルは,興味や流行の変わりやすさをデータから逐次推定するため,変化に柔軟に対応可能である。また,新たなデータが得られた際,過去のデータで既に推定された興味・流行に基づいて,現在の興味・流行を推定するため,過去のデータを保持する必要がなく記憶容量を削減でき,かつ計算効率も高い。実購買ログデータを用いた実験により,購買行動の予測精度及び推定の計算効率の観点で提案モデルの有効性を示す。(著者抄録)

シソーラス用語： *購買行動 ,  興味 ,  流行 ,  モデル ,  記録 ,  予測技法 ,  最適化手法 ,  学習 ,  *統計的推定 ,  EMアルゴリズム
準シソーラス用語： *トピックモデル ,  ログデータ ,  逐次学習 ,  確率的EMアルゴリズム

分類 (2件)： 市場調査,広告  (KA06030H) ,  人工知能  (JE08000Z)

引用文献 (17件)：

• T. Hofmann,“Probabilistic latent semantic analy sis,” UAI ’99, pp. 289-296, 1999.
• D. M. Blei, A. Y. Ng, and M. I. Jordan,“Latent Dirich let allocation,” J. Machine Learning Research, vol.3, pp. 993-1022, 2003.
• X. Jin, Y. Zhou, and B. Mobasher,“Web usage min ing based on probabilistic latent semantic analysis,” KDD ’04, pp. 197-205, 2004.
• A. S. Das, M. Datar, A. Garg, and S. Rajaram,“Google news personalization: Scalable online col-laborative filtering,” WWW ’07, pp. 271-280, 2007.
• T. Iwata, T. Yamada, and N. Ueda,“Probabilistic latent semantic visualization: Topic model for visu-alizing documents,” KDD ’08, pp. 363-371, 2008.

タイトルに関連する用語 (5件)： 購買行動 ,  解析 ,  トピック ,  追跡 ,  モデル