電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2010-01-19 14:20
行列因子化の混合モデルへの拡張と映画レーティング予測への応用
中村政義竹之内高志池田和司奈良先端大
抄録 (和) 多くの推薦システムでは,ユーザーが商品に対してつけたレーティング(評価値) のデータを基に商品を推薦する.そのデータは多くの場合,行列で表現され,大部分が欠測した非常にスパースな行列となっている.この行列の欠測部分を予測することは,ユーザがまだ評価してない商品のレーティングを予測することに対応し,推薦システムにとって重要な意味を持つ.この欠測予測手法の1 つとして行列因子化法が知られている.行列因子化のコスト関数は,平均が因子化されたガウス分布の対数尤度関数と一致するため,行列因子化法は行列要素がガウス分布であると仮定している.しかし,実際のデータではユーザーの性質がグループをなしている場合があり,単一モデルの仮定が適切ではない場合がある.我々はこのようなデータに対応するため,行列の要素が混合ガウス分布に従っているとするモデル化を提案する.本報告では,欠測予測問題に対して人工データを用い,どのようなデータに対して提案手法が有効であるかを議論した後,実データに対して適用した結果を報告する. 
(英) Recommendation systems suggest items to an user, based on existing history of evaluation for itemsby the users. In many cases, history information of users is represented as a matrix form, in which most part aremissing. Matrix factorization is a well-known method for predicting missing values of the sparse matrix. The costfunction of the conventional matrix factorization corresponds to the log-likelihood with a single Gaussian model,whose mean is assumed to be factorizes. However, in real-world datasets, a group of users forms a cluster and eachcluster has different characteristic. For the situation the model of single Gaussian is not appropriate. To tackle thesituation, in this report, we extend matrix factorization with a mixture model, and investigate our method using asynthetic dataset and a real-world dataset.
キーワード (和) 行列因子化 / 混合モデル / レーティング予測 / 確率モデル / / / /  
(英) Matrix factorization / Mixture model / Missing value prediction / Probabilistic model / / / /  
文献情報 信学技報, vol. 109, no. 363, NC2009-86, pp. 89-93, 2010年1月.
資料番号 NC2009-86 
発行日 2010-01-11 (NC) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NC  
開催期間 2010-01-18 - 2010-01-19 
開催地(和) 北海道大学、百年記念会館 
開催地(英) Hyakunen-Kinen in Hokkaido University 
テーマ(和) 生物模倣情報処理(仮)、機械学習、一般 
テーマ(英) Biomimetic information systems, Machine Learning 
講演論文情報の詳細
申込み研究会 NC 
会議コード 2010-01-NC 
本文の言語 日本語 
タイトル(和) 行列因子化の混合モデルへの拡張と映画レーティング予測への応用 
サブタイトル(和)  
タイトル(英) An Extension of Matrix Factorization to Mixture Model and an Application to Prediction of Movie Ratings 
サブタイトル(英)  
キーワード(1)(和/英) 行列因子化 / Matrix factorization  
キーワード(2)(和/英) 混合モデル / Mixture model  
キーワード(3)(和/英) レーティング予測 / Missing value prediction  
キーワード(4)(和/英) 確率モデル / Probabilistic model  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 中村 政義 / Masayoshi Nakamura / ナカムラ マサヨシ
第1著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
NARA Institute of Science and Technology (略称: NAIST)
第2著者 氏名(和/英/ヨミ) 竹之内 高志 / Takashi Takenouchi / タケノウチ タカシ
第2著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
NARA Institute of Science and Technology (略称: NAIST)
第3著者 氏名(和/英/ヨミ) 池田 和司 / Kazushi Ikeda / イケダ カズシ
第3著者 所属(和/英) 奈良先端科学技術大学院大学 (略称: 奈良先端大)
NARA Institute of Science and Technology (略称: NAIST)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2010-01-19 14:20:00 
発表時間 25 
申込先研究会 NC 
資料番号 IEICE-NC2009-86 
巻番号(vol) IEICE-109 
号番号(no) no.363 
ページ範囲 pp.89-93 
ページ数 IEICE-5 
発行日 IEICE-NC-2010-01-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会