講演情報
[5Yin-A-02]ユーザフィードバックに基づく合成データセット洗練手法の提案
〇宮澤 匠1、柴田 祐樹1、高間 康史1 (1. 東京都立大学)
キーワード：
情報推薦、合成データ、データ拡張
本発表では，情報推薦システムに対するユーザフィードバックを活用した合成データ洗練手法を提案する．情報推薦の主要技術である協調フィルタリングは，ユーザやアイテムの特徴量がなくても，ユーザの評価履歴に基づき推薦が可能であるが，データの収集が困難な場合がある．解決手段として，実際のデータから得られた統計的特性を模倣して生成された合成データを用いるアプローチが機械学習分野で研究されている．情報推薦においても，協調フィルタリングに用いる合成データの生成手法が提案されているが，生成されるデータの特性を変更するためには一から構築し直す必要がある．この問題に対し，本発表では推薦への有効性という観点から既存の合成データを洗練することで，データ品質の向上を試みる．提案手法では，各ユーザへの推薦精度を推薦システムへのフィードバックとみなし，推薦精度が低いユーザに関連する合成データを追加することで，推薦精度を向上する．評価実験の結果，推薦精度と多様性の両面で改善する効果が得られることを示す．