| 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 | 2013-07-18 13:25 複数の関係データの関連を考慮した同時補完法 ○家入 豊・鹿島久嗣（東大）  IBISML2013-6 |
|
| 抄録 | （和） | 主体の集合とその2項関係を表すデータがあり， 関係が明らかである主体の組がごく一部である場合に， 残りの主体の組について関係の有無・程度を補完することが 様々な分野において重要である． 特に互いに関連を持つ複数の関係データを補完対象とする場合は， 関連を利用し同時に補完を行うことで， 個別に補完する場合よりも精度を高めることができることが知られている． データ間の関連を利用して補完を行う既存の手法はすべて データの関連の程度が一様であるという仮定をおいているが， この仮定のために， 強い関連があるデータの組とほぼ無関連なデータの組が 混在する場合に補完精度が低下するという問題点を持つ． そこで本研究では，データ同士の関連の強弱を考慮する 同時補完手法を提案する． 提案手法と既存手法について比較実験を行った所， パラメータの最適化手法には改善の余地があるが， 補完対象に無関連の関係データの組を含む関係補完問題において， 提案手法は既存手法の性能を上回る有効な手法で あることが分かった． |
| （英） | In this paper, we consider a completion problem of multiple relational data sets with missing values. In cases where there is some relevance among different relational datasets, we can expect their simultaneous completion results in better prediction accuracy than completing each dataset independently. The idea has been employed in several existing methods; however, since they assume all relational datasets are equally relevant, simultaneous completion sometimes makes results worse when some of them have less or no relevance. We propose a more flexible model which allows such situations, and experiments show the proposed model outperforms the existing ones especially when the datasets include some irrelevant datasets. |
|
| キーワード | （和） | 行列分解 / リンク予測 / 推薦システム / / / / / |
| （英） | Matrix factorization / Link prediction / Recommender systems / / / / / | |
| 文献情報 | 信学技報, vol. 113, no. 139, IBISML2013-6, pp. 35-41, 2013年7月. | |
| 資料番号 | IBISML2013-6 | |
| 発行日 | 2013-07-11 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 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 | IBISML2013-6 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2013-07-18 - 2013-07-18 |
| 開催地（和） | 早稲田大学 西早稲田キャンパス |
| 開催地（英） | Nishiwaseda Campus (Waseda univ.) |
| テーマ（和） | 機械学習一般 |
| テーマ（英） | Machine Learningn, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2013-07-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 複数の関係データの関連を考慮した同時補完法 |
| サブタイトル（和） | |
| タイトル（英） | A Simultaneous Completion Method for Multiple Relational Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 行列分解 / Matrix factorization |
| キーワード(2)（和/英） | リンク予測 / Link prediction |
| キーワード(3)（和/英） | 推薦システム / Recommender systems |
| キーワード(4)（和/英） | / |
| 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） | 家入 豊 / Yutaka Ieiri / イエイリ ユタカ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 鹿島 久嗣 / Hisashi Kashima / カシマ ヒサシ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-07-18 13:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2013-6 |
| 巻番号（vol） | vol.113 |
| 号番号（no） | no.139 |
| ページ範囲 | pp.35-41 |
| ページ数 | 7 |
| 発行日 | 2013-07-11 (IBISML) |
[研究会発表申込システムのトップページに戻る]