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

基于粗糙集理论考虑不确定性的聚类方法新进展

• 批准号: 20K19886
• 负责人: 生方 誠希
• 金额: $ 2.75万
• 依托单位: Osaka Metropolitan University (2022)Osaka Prefecture University (2020-2021)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K19886/
• 关键词: ソフトコンピューティング; ファジィ理論; ラフ集合理論; クラスタリング; ファジィクラスタリング; ラフクラスタリング; 共クラスタリング; 協調フィルタリング; データ分析

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．

During the year, we conducted research on the application of collaborative Filtering (CF) and Collaborative filtering (CF) based on the consideration of inaccuracy, and the following results were presented. In this paper, we propose to introduce CF, RSCM-CF, RMCM-CF and so on. In this paper, we propose a new method of RCCMM based on the theory of set theory. The RCCMM method is based on CF and RCCMM-CF proposal. This paper aims at introducing RCM-CF into the application of large-scale data processing, and proposes ORCM-CF. Now, ORCM-CF is the most convenient way to adjust the number of users. This topic is to propose RP-RCM-CF for the classification of similar projects. Now, principal component analysis, latent meaning analysis, autoencoder, t-SNE and other kinds of dimensional reduction methods are proposed to use RCM-CF, and there is a possibility to confirm it. RSCM-CF is a granular technique, and the results are clear. Add RMCM-CF target number to RMCM2-CF proposal, number to RCM2-CF target number to confirm. In addition, the concept of accurate approximation is introduced into the Probabilistic RSCM method, and the PRSCM-CF method is proposed. This is an improvement in computing, reducing and improving performance. This achievement was published, 2 international conference presentations and 5 domestic academic presentations were published.

项目成果

Basic Consideration of Collaborative Filtering Based on Rough Set C-Means Clustering

基于粗糙集C均值聚类的协同过滤的基本思考

• 发表时间: 2021
• 作者: S. Ubukata;Y. Murakami;A. Notsu;K. Honda
• 通讯作者: K. Honda

Basic Consideration of Collaborative Filtering Based on Rough Co-clustering Induced by Multinomial Mixture Models

• DOI: 10.1109/scisisis55246.2022.10001887
• 发表时间: 2022-11
• 期刊: 2022 Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Symposium on Advanced Intelligent Systems (SCIS&ISIS)
• 作者: S. Ubukata;Kenryu Mouri;Katsuhiro Honda

Basic Consideration of Co-Clustering Based on Rough Set Theory

• DOI: 10.1007/978-3-030-62509-2_13
• 发表时间: 2020-11
• 作者: S. Ubukata;Narihira Nodake;A. Notsu;Katsuhiro Honda

Basic Consideration of Rough C-Medoids Clustering with Minkowski Distance

• DOI: 10.1109/scisisis50064.2020.9322745
• 发表时间: 2020-12
• 期刊: 2020 Joint 11th International Conference on Soft Computing and Intelligent Systems and 21st International Symposium on Advanced Intelligent Systems (SCIS-ISIS)
• 作者: S. Ubukata;Atsushi Sugimoto;A. Notsu;Katsuhiro Honda

目的関数ベースのRough Membership C-Meansクラスタリングに基づく協調フィルタリング

基于目标函数的粗糙隶属度C-Means聚类的协同过滤

• 发表时间: 2022
• 作者: キム ヘラン;生方 誠希;本多 克宏
• 通讯作者: 本多 克宏