文献

J-GLOBAL ID：201602219719358216   整理番号：16A0256708

機械学習の新展開 IT企業での機械学習

著者 (2件)： 山田誠 (Yahoo Lab.) ,  山田誠 (京大)
資料名： シミュレーション  (Journal of the Japan Society for Simulation Technology)
巻： 34  号： 4  ページ： 253-259  発行年： 2015年12月15日 
JST資料番号： L0458A  ISSN： 0285-9947  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： IT企業のサービスにおいては,ユーザ数の増大やユーザ行動の経時変化に対応してユーザ行動の予測を高精度かつ効率的に行うことが必要であり,機械学習の利用が期待されている。これに対し本稿では,不正eメールアクセス検知と詐欺検知の例題を取り上げ,シンプルな機械学習手法の有効性について論じた。具体的には,正例付き異常検知手法を用いた不正eメールアクセス検知を取り上げ,二値分類を用いた相対密度比推定に関する実験結果を紹介した。詐欺検知に関しては,能動学習手法を利用したフレームワークについて述べた。

シソーラス用語： *機械学習 ,  *情報技術 ,  企業 ,  電子メール ,  検出 ,  分類 ,  統計的推定 ,  取引 ,  学習
準シソーラス用語： eメール ,  *IT ,  IT企業 ,  オークション ,  二値分類 ,  異常検知 ,  詐欺検知 ,  相対密度比推定 ,  能動学習 ,  不正eメール

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

引用文献 (13件)：

• E. Blanzieri and A. Bryl, ”A survey of learning-based techniques of email spam ltering”, Articial Intelligence Review, vol. 29, no. 1, pp. 63-92,2008.
• T. Subramaniam, H. A. Jalab, and A. Y. Taqa, ”Overview of textual anti-spam ltering techniques”, International Journal of Physical Sciences, vol. 5, no. 12, pp. 1869-1882,2010.
• C. Cortes and V. Vapnik, ”Support-vector networks”, Machine learning, vol. 20, no. 3, pp. 273-297,1995.
• M. Yamada, T. Suzuki, T. Kanamori, H. Hachiya, and M. Sugiyama, ”Relative density-ratio estimation for robust distribution comparison”, Neural computation, vol. 25, no. 5, pp. 1324-1370, 2013.
• J. H. Friedman, ”Greedy function approximation: a gradient boosting machine”, Annals of Statistics, pp. 1189-1232,2001.

タイトルに関連する用語 (3件)： 機械学習 ,  展開 ,  IT企業