| 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 [ログイン] 技報アーカイブ |
| 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 | 2022-07-14 13:35 類似性と多様性を両立する連合型個別化推薦モデルの構築 ○濱田雅大・笹田大翔・妙中雄三・門林雄基（奈良先端大）  NS2022-46 |
|
| 抄録 | （和） | オンデマンドの映画配信が普及し，サービス品質やリテンション率の向上のためにユーザの嗜好に合う個別化された映画推薦が求められている．近年では，ユーザが好む映画に似たものだけでなく，多様な映画を推薦することでリテンション率が改善する事が明らかとなっており，推薦内容の類似性に加えて多様性も重要な指標として着目されている．一般に映画推薦では視聴履歴や評価スコアを用いて推薦映画を選択しており，映像配信事業者がユーザの情報を保存・利用する必要がある．しかし，EU 一般データ保護規則 (GDPR) に代表される法令に基づき，個人の趣味趣向や思想を推論可能なそれらのデータの保持・利用に制限が設けられており，映画推薦でユーザの閲覧履歴に紐付いた個別化推薦ができないという問題が生じる．それに対して，映像配信者がそれらのデータを持たずに映画推薦を行うために連合学習の活用が注目されているが，ユーザの端末上で訓練データを学習させることから各端末のもつ傾向を過度に学習しやすく，閲覧履歴データと極端に類似度の高い推薦となり推薦内容での多様性の導入は難しい．そこで本研究では，類似性・多様性を両立したプライバシ保護推薦モデルの構築方法を提案する．類似性・多様性のいずれかを損なわないように訓練データを取捨選択し，各端末上で学習する仕組みを構築することで，過去の閲覧履歴に類似しつつ多様な映画を推薦するプライバシ保護推薦モデルの構築を図る． |
| （英） | With the spread of on-demand movie distribution, personalized movie recommendations that match user preferences are required to improve service quality and retention rates. In recent years, it has become clear that the retention rate can be improved by recommending not only movies similar to the user’s favorite movies. Diversity is also used as an important indicator ．In general, movie recommendation uses viewing history and evaluation scores to select recommended movies, and video distributors must store and use user information. However, based on EU General Data Protection Regulation (GDPR), there are restrictions on the retention and use of such data that can be used to infer personal tastes and thoughts, and this creates a problem that individualized movie recommendations cannot be made based on the user’s viewing log. In contrast, the use of Federative Learning (FL), which can recommend movies without holding data, has been attracting attention, but since training data is trained on the user’s terminal, it tends to learn too much about the tendencies of each terminal. Therefore, we propose a method for constructing a privacy protection recommendation model that achieves both similarity and diversity. By selecting training data in a way that does not impair either similarity or diversity, and building a mechanism for learning on each terminal, we aim to construct a privacy-protective recommendation model that recommends a variety of movies while maintaining similarity to the browsing log. | |
| キーワード | （和） | 連合学習 / ベイズ個別化推薦 / 行列分解 / 推薦システム / / / / |
| （英） | Federated Leanring / Bayesian Personalized Ranking / Matrix Factorization / Recommender System / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 105, NS2022-46, pp. 100-105, 2022年7月. | |
| 資料番号 | NS2022-46 | |
| 発行日 | 2022-07-06 (NS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NS2022-46 |
|
| 研究会情報 | |
| 研究会 | NS SR RCS SeMI RCC |
| 開催期間 | 2022-07-13 - 2022-07-15 |
| 開催地（和） | 金沢歌劇座 + オンライン開催 |
| 開催地（英） | The Kanazawa Theatre + Online |
| テーマ（和） | 無線分散ネットワーク，M2M(Machine-to-Machine)，D2D(Device-to-Device)，一般 |
| テーマ（英） | Distributed Wireless Network, M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things）, etc |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2022-07-NS-SR-RCS-SeMI-RCC |
| 本文の言語 | 日本語 |
| タイトル（和） | 類似性と多様性を両立する連合型個別化推薦モデルの構築 |
| サブタイトル（和） | |
| タイトル（英） | Building a Federated Personalized Recommendation Model to Balance Similarity and Diversity |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 連合学習 / Federated Leanring |
| キーワード(2)（和/英） | ベイズ個別化推薦 / Bayesian Personalized Ranking |
| キーワード(3)（和/英） | 行列分解 / Matrix Factorization |
| キーワード(4)（和/英） | 推薦システム / Recommender System |
| 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） | 濱田 雅大 / Masahiro Hamada / ハマダ マサヒロ |
| 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） | 笹田 大翔 / Taisho Sasada / ササダ タイショウ |
| 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） | 妙中 雄三 / Yuzo Taenaka / タエナカ ユウゾウ |
| 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） | 門林 雄基 / Youki Kadobayashi / カドバヤシ ユウキ |
| 第4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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-07-14 13:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2022-46 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.105 |
| ページ範囲 | pp.100-105 |
| ページ数 | 6 |
| 発行日 | 2022-07-06 (NS) |
[研究会発表申込システムのトップページに戻る]