ビジネス価値創造のためのデータ解析プラットフォームと時変協調フィルタリングの研究

点击翻译按钮获取中文摘要

本研究では貴重な企業データを外部に出力することなく解析を行うプラットフォーム（DAPF）として，クラウドDAPF（CDAPF），並びにオンプレミスDAPF（ODAPF）の実運用を開始し，本プラットフォームにおいて4つのプロジェクトを実施しており，当初の目標を達成している．また顧客の消費行動に対するビジネス価値創造のための協調フィルタリングに関して，時系列構造を含む種々の異なる種類のデータを統合的に扱う必要性がますます高まってきている．具体的には協調フィルタリングにおいて商品に対する消費行動のみを単独で分析対象とするモデルが多い一方，通常顧客や商品には種々の属性情報が存在し，また消費行動には季節性などの時間属性も付帯する．そこで2022年度はこれらの属性情報や消費行動等を統合するための潜在構造分析のモデルの提案を行なった．より具体的には属性情報等の顧客や商品がそれぞれ潜在変数を持ち，これらの潜在変数とさらに消費行動として現れる潜在変数との関連を数理モデルとして表現した．このモデルの特徴は，データの生成観測メカニズムを規定しているため，顧客や商品の属性情報や消費行動などに多くの欠測が含まれている場合でも，総合的なサンプルサイズが大きい場合には問題なく潜在構造を推定可能な利点を持つ．これにより，顧客，商品と消費行動の関連がより深く把握でき，さらに予測精度の向上も見られることが分かった．さらに，2値分類器の組合せで多値分類を行う誤り訂正出力符号(ECOC)が提案されているが，この時に用いるECOCの符号語間のハミング距離が多値分類に与える影響を理論的に解析する方法を明らかにした．