講演情報

[6G-01]クラスタリングを用いたドメイン間の転移学習による個人嗜好のベイズ最適化

*齊藤 慎太郎1、伊藤 寛祥2、山﨑 悠人3、森嶋 厚行2 (1. 筑波大学 知識情報・図書館学類、2. 筑波大学 図書館情報メディア系、3. 筑波大学 情報学学位プログラム)
発表者区分:学生
論文種別:ロングペーパー
インタラクティブ発表:あり

キーワード:

ベイズ最適化、嗜好推定、転移学習

人々のパーソナライズされた嗜好分布を得ることは、企業がニーズに合ったサービスを展開でき、顧客満足度を向上させるため、現代社会で不可欠である。嗜好分布とは特徴量のある人々の好みの傾向を統計的に表現したものであり、有効な最適化手法として、探索と活用の両方を考慮できるベイズ最適化と呼ばれる手法がある。これを応用した技術で嗜好が似ている人同士でクラスタリングをしながらベイズ最適化を行う手法が存在するが、クラスタ分けされた情報は1つのドメイン内でしか適用できない点や1回目の探索時は従来のベイズ最適化と同じになってしまう課題がある。
 本論文では、嗜好分布推定において事前に複数ドメインでクラスタ分けされた情報をベイズ最適化の獲得関数に作用させ転移学習することによって、新規ドメインのベイズ最適化にどの程度有効かを検証している。