異なるビッグデータの特徴統合による分散機械学習手法の開発

本年は，昨年度までに研究開発で明らかにした分散機械学習基盤を利用したアプリケーションの検討及び評価を行った．具体的には，ユーザの直近の興味予測を行う機械学習モデルの構築を可能としている．現在の興味予測では，cookieを利用して個人を捕捉して特徴を分析することで興味を予測するのに対し，提案手法では，ユーザがwebサービス単位で取得したコンテンツの特徴を示すこれまでに提案している結合可能な機械学習モデル（フォグモデル）を取得し，これらを利用者のweb履歴に基づいて結合することで，利用者の直近における興味特徴を示す機械学習モデルの構築を可能としている．この機械学習モデルは，入力情報に対して，ユーザ興味との類似性を評価が可能であるため，web広告など入力情報の候補から興味に最も類似する情報の選択に利用ができることを明らかにしている．評価として，実際のweb広告サービスログを用いて，cookieを利用した利用者の捕捉を行う従来手法と比較したところ，現在では従来手法の半分程度の性能しか有していないことを明らかにしている．しかし，ユーザの捕捉をおこなわないこと，webサービスで取得した利用者情報が共有されないこと，第三者が利用不可能であることからユーザのプライバシ性に配慮した提案を行なっている．今後性能向上させるための検討，実システムとしての適用するための最適化について検討が必要と考える．本年はこの提案について検討，評価を行い論文執筆まで行なっている．しかし，評価はまだ初期検討に留まっているため，早急に準備を進めている．

本年は，昨年度までに研究開発で明らかにした分散機械学習基盤を利用したアプリケーションの検討及び評価を行った．具体的には，ユーザの直近の興味予測を行う機械学習モデルの構築を可能としている．現在の興味予測では，cookieを利用して個人を捕捉して特徴を分析することで興味を予測するのに対し，提案手法では，ユーザがwebサービス単位で取得したコンテンツの特徴を示すこれまでに提案している結合可能な機械学習モデル（フォグモデル）を取得し，これらを利用者のweb履歴に基づいて結合することで，利用者の直近における興味特徴を示す機械学習モデルの構築を可能としている．この機械学習モデルは，入力情報に対して，ユーザ興味との類似性を評価が可能であるため，web広告など入力情報の候補から興味に最も類似する情報の選択に利用ができることを明らかにしている．評価として，実際のweb広告サービスログを用いて，cookieを利用した利用者の捕捉を行う従来手法と比較したところ，現在では従来手法の半分程度の性能しか有していないことを明らかにしている．しかし，ユーザの捕捉をおこなわないこと，webサービスで取得した利用者情報が共有されないこと，第三者が利用不可能であることからユーザのプライバシ性に配慮した提案を行なっている．今後性能向上させるための検討，実システムとしての適用するための最適化について検討が必要と考える．本年はこの提案について検討，評価を行い論文執筆まで行なっている．しかし，評価はまだ初期検討に留まっているため，早急に準備を進めている．