文献

J-GLOBAL ID：201502265632331188   整理番号：15A0243119

評価と購買の両履歴データの学習による確率的潜在クラスモデルの推定精度向上に関する一考察

Accurate Parameter Estimation Based on Latent Class Model Estimated by Combining Both Evaluation and Purchase Histories

著者 (3件)： 大井貴裕 (早稲田大 大学院創造理工学研究科) ,  三川健太 (早稲田大 創造理工) ,  後藤正幸 (早稲田大 創造理工)
資料名： 日本経営工学会論文誌  (Journal of JIMA. English Issues)
巻： 65  号： 4  ページ： 286-293  発行年： 2015年01月15日 
JST資料番号： F0241B  ISSN： 1342-2618  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： 近年,インターネット上の電子商取引サイトでは,ユーザの購買履歴や購買アイテムに対する評価履歴といった膨大なデータを活用したプロモーションが可能となり,特に各ユーザの嗜好や特性に合わせて自動で推薦を行う推薦システムのwebマーケティングツールとしての重要性が増してきた。このような推薦のための手法として,確率的潜在クラスモデルを用いた協調フィルタリング(以下,CF)がある。このモデルでは,顧客の商品への評価履歴を用い,未評価アイテムに対する評価値を予測することが可能である。しかし,現実世界のECサイト上での購買活動を考えると,商品を購入する利用者の大半は購入した商品に対する評価値をわざわざ投稿しない。また,頻繁に評価値情報を投稿する利用者も少数存在するが,このような利用者も全ての購入商品に対して評価値を付与するわけではない。このとき,商品アイテムが購入されたという履歴は残るものの,そのユーザがどの程度満足したかを表す評価値は得られないことになる。そこで本研究では,アスペクトモデルを用いたCFによる評価値予測問題を対象に,評価履歴データに加え,購買履歴データも同時に用いたパラメータ推定法を提案する。ベンチマークデータを用いた実験により,両履歴データを用いてパラメータを推定する本提案が,評価履歴のみを用いて学習を行う従来法に比べ推薦精度の面で優れていることを示す。(著者抄録)

シソーラス用語： 情報 ,  *分類 ,  確率モデル ,  精度 ,  評価 ,  *情報システム ,  情報収集 ,  取引 ,  パラメータ推定 ,  最適化手法 ,  電子商取引
準シソーラス用語： EC【取引】 ,  EMアルゴリズム ,  アスペクトモデル ,  ユーザ評価 ,  確率的モデル ,  協調フィルタリング ,  購買履歴情報 ,  *推薦システム ,  推定精度 ,  *潜在クラス

分類 (2件)： 市場調査,広告  (KA06030H) ,  計算機網  (JC03000K)

引用文献 (16件)：

• [1] Resnick, P., Iacovou, N., Suchak, M., Berstrom, P. and Riedl, J. : “GroupLens: An Open Architecture for Collaborative Filtering of Netnews,” Proceedings of the 1994 ACM Conference on Computer Supported Cooperative Work, pp. 175-186 (1994)
• [2] Adomavicius,G., and Tuzhilin, A.: “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-art and Possible extensions”, IEEE Trans. on Knowl. and Data Eng., Vol. 17, No. 6, pp. 734-749 (2005)
• [3] Jannach, D., Zanker, M., Felfernig, A., Friedrich, G. : Recommender Systems: An Introduction, Cambridge University Press (2010)
• [4] Park, D. H., Kim, H. K., Choi, I. Y., and Kim, J. K. : “A Literature Review and Classification of Recommender System Research”, Expert Sys. with App., Vol. 39, No. 11, pp. 10059-10072 (2012)
• [5] Bobadilla, J., Ortega, F., Hernando, A., and Gutie'Rrez, A. : “Recommender Systems Survey”, J. Knowl.-Based Sys., Vo. 46, pp. 109-132 (2013)

タイトルに関連する用語 (8件)： 評価 ,  購買 ,  履歴データ ,  学習 ,  確率 ,  潜在クラスモデル ,  推定 ,  精度向上