メタ・ヒューリスティックスを用いたグラフ構造データからのパターン抽出に関する研究

本研究は,大規模なビジネスデータをグラフ構造で表現し,そこからパターンやルールなど意味のある情報を抽出することを目的としている.本研究は大きく2つの特徴を有している.1つ目は,ビジネスデータをグラフ構造データへと変換し,それを分析に活用している点である.2つ目は,大規模なビジネスデータからパターンを抽出し,それをビジネスに応用できるように利用している点である.本年度は,新たにCDのID付き購買履歴データと,自動車オークションデータに対して,それぞれ上述の枠組みを適用し有効性を検証した.グラフ構造データを利用した枠組みとしては,CDのID付き購買履歴データを用いた推薦システムを提案した.データに含まれる各アーティストをノート,アーティスト同士の併売関係をエッジで表現しグラフ構造データへと変換した.そして,そのグラフからアーティスト間の関連性の強さを利用して,推薦対象となるユーザが好むと考えられるアーティストを推薦する方法である.結果としては,伝統的に利用されている協調フィルタリングと比較して提案手法の有効性を示すことができた.一方でパターンの抽出については,中古車自動車のオークションデータに対して,LCMと呼ばれるパターン抽出法を適用し,車の傷,損傷箇所,そして落札金額との関係から,落札金額を大きく下げる損傷パターンを抽出し,それらの傷を原状回復させた場合にどの程度落札金額が向上するかを予測した.そして落札金額の改善が大きい少数のパターンだけを,原状回復の対象とすることで,全体的な利益率の向上が可能であることを示した.

本研究は,大規模なビジネスデータをグラフ構造で表現し,そこからパターンやルールなど意味のある情報を抽出することを目的としている.本研究は大きく2つの特徴を有している.1つ目は,ビジネスデータをグラフ構造データへと変換し,それを分析に活用している点である.2つ目は,大規模なビジネスデータからパターンを抽出し,それをビジネスに応用できるように利用している点である.本年度は,新たにCDのID付き購買履歴データと,自動車オークションデータに対して,それぞれ上述の枠組みを適用し有効性を検証した.グラフ構造データを利用した枠組みとしては,CDのID付き購買履歴データを用いた推薦システムを提案した.データに含まれる各アーティストをノート,アーティスト同士の併売関係をエッジで表現しグラフ構造データへと変換した.そして,そのグラフからアーティスト間の関連性の強さを利用して,推薦対象となるユーザが好むと考えられるアーティストを推薦する方法である.結果としては,伝統的に利用されている協調フィルタリングと比較して提案手法の有効性を示すことができた.一方でパターンの抽出については,中古車自動車のオークションデータに対して,LCMと呼ばれるパターン抽出法を適用し,車の傷,損傷箇所,そして落札金額との関係から,落札金額を大きく下げる損傷パターンを抽出し,それらの傷を原状回復させた場合にどの程度落札金額が向上するかを予測した.そして落札金額の改善が大きい少数のパターンだけを,原状回復の対象とすることで,全体的な利益率の向上が可能であることを示した.