New Development of Clustering Methods Considering Uncertainty Based on Rough Set Theory

点击翻译按钮获取中文摘要

本年度は，不確実性を考慮したクラスタリング手法であるラフクラスタリングの協調フィルタリング(Collaborative Filtering, CF)への応用に関する研究を行い，以下の成果を上げた．本課題では，クラスタリングベースのCFにラフ集合理論の観点を導入したラフCFとしてRCM-CF, RSCM-CF, RMCM-CF等を提案している．また，本課題では共クラスタリングにラフ集合理論の観点を導入したラフ共クラスタリングとしてRCCMM法を提案している．今回，RCCMM法に基づくCFとしてRCCMM-CFを提案し，数値実験により有効性を確認した．本課題では，大規模データへの適用に向けて，RCM-CFに対しオンライン学習のアプローチを導入し，ORCM-CFを提案している．今回，ORCM-CFに対し，クラスター数を適応的に調節する機構を導入したAdaptive ORCM-CFを提案し，利便性を向上させた．本課題では，ランダム射影によるデータの次元削減を行った上で類似ユーザーの分類を行うRP-RCM-CFを提案している．今回，主成分分析や潜在意味解析，autoencoder，t-SNE等の種々の次元削減手法を活用したRCM-CFを提案し，有効性を確認した．また，RSCM-CFにおいて，様々な粒状化手法を検討し，その効果を明らかにした．加えて，RMCM-CFに目的関数を導入したRMCM2-CFを提案し，数値実験により有効性を確認した．さらに，確率的ラフ近似の概念を導入したProbabilistic RSCM法に基づくCFとして，PRSCM-CFを提案し，その特性を明らかにした．これらの改良によって，計算コストの削減や推薦性能の向上を実現した．本成果について，2件の国際会議発表，5件の国内学会発表を行った．