The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
価値観 基
く ー
協調
ン
拡張手法 提案
Proposal of Extended Collaborative Filtering by Personal-value-based User Model
澤
遼理
*1服部
俊一
*1高間
康史
*1Ryori Misawa Shunichi Hattori Yasufumi Takama
*1
首都大学東京大学院
ン研究科
Graduate School of System Design, Tokyo Metropolitan University
This paper proposes to extend collaborative filtering by introducing personal based user model. A personal value-based user model consists of attributes on which a user put high priority when evaluating an item. This paper employs this model for calculating similar users in collaborative filtering. Effectiveness and characteristics of the proposed method is shown by applying it to dataset of actual review sites.
1.
めに
本稿 ，価値観 基 く ー 協調 ン 適用し 推薦手法 い 提案 ． ン ン ッ ン い ， ー 有用 情報 提示 手法
し 協調 ン 広く用い い [Resnick 94]．既
存 推薦手法 共通 課題 し ，新規 ー や新規 対 利用履歴 足 適 推薦 可能
，cold-start問題 指摘 い [Schein 02]．一方，個 人 嗜好や消費行動 影響 え 要素 し 価値観 挙
．情報推薦 価値観 属性 対 わ 強 し 表 考え ， わ 持 属性ほ ，
少 い情報 ン 可能 あ 示 い
[Hattori 13]．類似し 価値観 持 ー ， 選択
際 共通 視点 持 期待 ，協調 ン 類似 ー 計算 価値観 利用 ， 少数 利用履歴し 持 い ー 推薦 可能
cold-start問題 解決や， ー わ 関連 強
い 想定 ，極性 強い評価 推薦 精度 向 期待 ． ー ベ ー 得し作 成し ー ッ 適用し，提案手法 有効性 示 ．
2.
関連研究
情報推薦 用い 代表的手法 し 協調
ン 挙 [Resnick 94]．協調 ン 嗜好
類似 他 ー 嗜好情報 用い ー 嗜好 予 測 手法 あ ，利点 し ー 嗜好情報 推薦 行え や処理 手軽 挙 ．し し，協調
ン 新規 ー ，新規 対し 利用
履歴 少 い 推薦 精度 低く し う cold-start
問題 指摘 い [Schein 02]．
協調 ン ベー 法 ベー 法 類
[神嶌 08]． ベー 法 推薦 行う時 点 蓄積 嗜好 ー 利用し 推薦 行う． ベー
法 前 構築し い 推薦 ー 嗜好 ー 推薦 行う． ， ベー 法 大 く
ー ベー ベー 2 類 [神嶌 08]． ー ベー 嗜好 類似 ー 好 推薦
， ベー ー 好 類似 推薦 ．提案手法 ー ベー
一部変更 加え い ．
他，提案手法 関連 強い研究 し ， 持 属性 対 評価 利用し 商品 推薦 行 伊藤 研究 挙 [伊藤 10]．伊藤 研究 主成 析 用い 求 評価傾向 類似 ー 情報 用い 推薦
行 ，属性 評価 え 影響 利用 提案手法 目的 異 ．
3.
価値観に基づくユーザモ
を適用 た協調
フィ
タ ング
3.1 価値観に基づくユーザモ
価値観 定義 一 し ， ー 抱く属性 わ 強 着目し， ー ン 行う手法 提案 い
[Hattori 13]．価値観 基 く ー 構築 評価一
致率 呼ば 指標 用い ． ー 対 評価 極性 好評 評 各属性 対 評価極性 用い ，属性 評価一致率 計算し ー 構築 ． ー あ 評価極性 属 性 評価極性 一致 う 調 ，一致 回 数 ，一致し い回数 ． 時， ー 属性 評価一致率 式(1) 算出 ．価値観 基 く ー 属性数 ， 元 ベ し 表 ． 評価一致率 高い属性 評価 影響度 高い， わ 強い属性 推論 ．
= +
(1)
3.2 類似度計算と評価値 予測
提案手法 3 手順 構成 ．
1.全 ー 価値観 基 く ー 作成
2. ー 用い ー 間類似度 計算
3. ー 予測評価値 ， ー 間 類似度 し 評価値 加 平均 計算
手順 1 ，式(1) 用い ，全 ー 価値観 基 く ー 作成 ．手順2 ，作成 ー
用い ー 間 類似度 計算 ．類似度計算手法
Pearson 相関係数 採用し ． ー 評価
値 ，推薦対象 ー ー Pearson相関 連絡先：高間 康史，首都大学東京大学院 ン
研究科，〒191-0065東京都日 市旭 丘6-6，
Email：[email protected]
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
係数 式(2) 表 ． し， 2人 ー
共通 評価し 集合 あ ， ̅ ̅ 2人
ー 共通 評価し い ， 総合評価 値 平均値 あ ．
= ∑ ̅ ̅ √∑ ̅ √∑ ̅
(2)
手順3 ，手順2 求 ー 間類似度 用い 予測 評価値 計算し， 推薦 行う． ー
予測評価値 ̂ 式(3) 表 [神嶌 08]． し， 評価済 ー 集合 あ ．式(3) 計算 予測評価値 元 推薦候補 作成し，
推薦 行う．
̂
=
∑
∑ (3)
提案手法 ー 間 類似度計算 ，価値観 基 く ー 用い ．価値観 基 く ー ー わ 持 属性 い ， 少 い情報 ン
可能 あ 示 [Hattori 13]，提案手法
特性 利用 ， 利用履歴 少 い ー 対 推薦 可能 や，評価 極性
極端 推薦精度 向 期待 ．
4.
フォー
ベ
ータセッ を用いた評価実験
4.1 実験概要
本稿 ，極性 強い評価 対 推薦 精度 評価実験結果 示 ．実験 ，旅行口 あ ー ベ ー ン 集し，構
築し ー ッ 用い ． ー ッ ー 15,948
名， 施設 11,825 個，評価 ー 83,452 件 含
， 評価値 属性 評価値 範 0.5刻 1 5 あ ． ，属性 評価値 一部 落し い
場合 あ ．
ー ベ ー ッ 1件し 評価し い い ー
全体 約半数 占 ，実験 要 ー 含 い ， ー ッ 加工 行 ．評価件数 2 以
ー ，評価 付 件数 1以 削除し
． ，特定 評価値 割合 90%以 あ ー ，
，協調 ン 推薦 適 い 考え削除し ． ー ッ 対し 交差確 適用し ，式(2)
計算 予測評価値 ，実際 評価値 絶対 誤差 計算し，そ 平均値 あ MAE 平均絶対誤差
提案手法 以 3手法 比較 ．
1. ー ベー 協調 ン [Resnick 94]
2. 平均評価値
3. ン 推薦
1, 2 推薦 評価 際 比較対象 し く用い
あ ． ン 推薦 ， ー 間 類似度 必 1 し ー ベー 協調 ン 行う推薦手
法 あ ，提案手法 ー 間 類似度計算 妥当性 検証 比較対象 し い ．
評価 極性 強い ，評価 あ 値 偏
，1 5近辺 評価 多く付 い ．
そ う 評価 ， ー わ 強く 映 考え ，提案手法 利用 ー 有効 機能
期待 ．そ ，実際 ー 付 し い 評価値毎 4手法 MAE 計算し，比較 行う．
4.2 実験結果
1 4 手法 評価値毎 MAE 示 ．横 軸 ー 付 し 実際 評価値，縦軸 MAE
あ ．全 評価値 い 提案手法 MAE 最 低く， 特 評価値1 2.5 い 差 大 い わ ．
，提案手法 ー わ 映し 推薦 可能 い え ．
1：評価値毎 MAE 比較
5.
結論
本稿 ，価値観 基 く ー 協調 ン 適用し，類似 価値観 持 ー 情報 用い 推 薦手法 提案し ．本稿 極性 強い評価
対 提案手法 有効性 示し ，cold-start 問題 観点 良好 結果 得 い ．今後 ，評価履歴 び ー
ン や， ー ， 予測評価値
MAE 計算 行い，提案手法 性質 い 詳細 析 行う ，提案手法 適し 対象や応用 明
期待 ． ， 多様 ー ッ 検証 ， 提案手法 特性 明 有効 考え ．
参考文献
[Hattori 13] Hattori, S., and Takama, Y. : Proposal of User Modeling Method Employing Reputation Analysis on User Reviews Based on Personal Values, in JSAI2013, 1A3-IOS-3a-4 (2013)
[Resnick 94] Resnick, P., lacovou, N., Suchak, M., Bergstrom, P. and Riedl, J. : GroupLens: An Open Architecture for Col-laborative Filtering of Netnews, in Proc. of CSCW, pp. 175-186 (1994)
[Schein 02] Schein, A.-I., Popescul, A., Ungar, L.-H., and Pen-nock, D.-M. : Methods and metrics for Cold-Start Recom-mendations,” in Proc. of SIGIR, pp. 253-260 (2002) [伊藤 10] 伊藤ゆ , 波多 賢治, 松本尚宏 : 商品 価値
ー 嗜好 考慮し 商品推薦 提案, 電子
情報通信学会第 種研究会技術報告, WI2-2010-27, pp. 101-106 (2010)
[神嶌 08] 神嶌敏弘 : 推薦 (2), 人工知
能学会 , Vol. 23, No. 1, pp. 89-103 (2008) 0.0
1.0 2.0 3.0
1 1.5 2 2.5 3 3.5 4 4.5 5
M A E
評価値
