文献

J-GLOBAL ID：202202289370391846   整理番号：22A0397317

ユーザ行動の個人化ランダム効用最大化(RUM)モデリングのための学習フレームワーク【JST・京大機械翻訳】

A Learning Framework for Personalized Random Utility Maximization (RUM) Modeling of User Behavior

著者 (5件)： Feng Jingshuo (Department of Industrial and Systems Engineering, University of Washington, Seattle, WA, USA) ,  Zhu Xi (Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA) ,  Wang Feilong (Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA) ,  Huang Shuai (Department of Industrial and Systems Engineering, University of Washington, Seattle, WA, USA) ,  Chen Cynthia (Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 19  号： 1  ページ： 510-521  発行年： 2022年 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ユーザ行動の理解は,多くの患者中心健康アプリケーションや輸送アプリケーションのようなターゲットユーザのための個人化サービスの提供を目指す多くの新興アプリケーションの成功にとって重要である。ランダム効用最大化(RUM)理論に基づくモデルは,集団レベルでの行動選好の学習と理解に広く用いられているが,特に個人のデータが制限され,断片化される場合,個人の好みを推定するのは難しい。この問題に取り組むために,著者らのフレームワークは,協調学習に関する最近の研究で発明された正準構造やメンバーシップベクトルのような概念上に構築され,各個人からの不十分なデータで不均一母集団をモデル化するのに適している。さらに,正準構造が不均一で,例えば,いくつかの正準モデルが,マイナーな部分母集団のみを表すかもしれない実世界アプリケーションのための知識発見ツールとして,ペアワイズ融合正則化を用いた協調学習フレームワークの拡張を提案した。対応する最適化課題を解くために,計算可能なアルゴリズムを開発した。広範なシミュレーション研究とスマート輸送需要管理(TDM)における実世界応用は,提案した方法の有効性を示した。この記事における提案方法は,各ユーザに対する異なる行動モデルを学習し,ユーザのデータのそれぞれが制限される場合でも,自分自身の好みを理解できる。個別化モデルにより,今日の個人化されたサービスアプリケーションが,よりターゲットで効率的な方法でユーザ行動を理解し,説明し,変更するのを助けるであろう。本方法の有用性を,個人化インセンティブが利用者に割り当てられ,旅行行動を変えるために,実世界輸送需要管理問題への適用によって例証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  ベクトル ,  *学習 ,  旅行 ,  マイナ ,  応用プログラム ,  正則化 ,  母集団 ,  有効性 ,  知識発見
準シソーラス用語： 協調学習 ,  行動モデル ,  *ユーザ行動 , 【Automatic Indexing@JST】

分類 (2件)： 計測機器一般  (AD02000X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ユーザ行動 ,  個人化 ,  モデリング ,  学習 ,  フレームワーク