情報整理を支援する成長型フィルタの能動学習手法

点击翻译按钮获取中文摘要

今年度は、階層的推定法の枠組みを応用した、逐次的に遷移するユーザの嗜好を追随した連続的な情報推薦手法を中心に研究した。ここでは、例えば料理のように、ユーザは自身が好む食材を多く含んでいるレシピを連続して調理しているだけでなく、これまでに調理したことがない食材も含んだレシピも挑戦的に調理するという仮説を設け、ユーザ毎に挑戦的選択の発生確率を推定する。推定した確率に基づき、ユーザの挑戦的選択の発生度合いが指数分布に従って累積していくモデルを構築し、これまでのユーザの選択したレシピ系列から、次回に選択する可能性の高いレシピを、嗜好的な選択と挑戦的な選択の両方を考慮して予測する。嗜好的な選択に際しては、直近で選択したレシピに比べて、ユーザが嗜好しているが異なる食材を含んでいるレシピに高いスコアを与える。嗜好的な選択モデルと挑戦的な選択モデルに加えて、上記で説明した提案モデルで、ユーザが次に調理するレシピの予測実験を行った結果、提案モデルが高い予測性能を持つことを明らかにした。また、嗜好的選択における直近レシピとの異なり度合いもユーザ毎に動的に推定するほうが、より高い予測性能を示すことを明らかにした。この研究成果は、国内査読付き会議に投稿し高い評価を受け、優秀論文賞を受賞した。そこでのコメントを反映した論文を国際会議に投稿し、採録され口頭発表した。上記に加えて、ソーシャルメディア上で成長するユーザの分析及び定量的判定手法を中心に研究した。ソーシャルメディア上でのユーザは、自身の投稿が他ユーザから反応されることが利用継続の高いモチベーションになっていることを明らかにし、今後長期的な視点で見てそのユーザが成長するか否かを定量的に評価する手法を提案した。本研究成果は国際会議に投稿し、Best paper awardを受賞した。