| 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 | 2025-03-07 13:50 特徴量ベクトル間の相関を任意かつ高速に制御可能なパーソナライズ推薦 ○山下剛志・金子晋丈（慶大）  IN2024-132 |
|
| 抄録 | （和） | ユーザが入力したコンテンツを起点として他コンテンツを推薦するパーソナライズ推薦では推薦ベクトルが起点コンテンツに非依存な特徴量に相関することがあり，既存研究ではその制御が検討されてきた.しかし，相関の大きさを自在に制御することは困難であり，ユーザが要求した相関度合いを達成するためには制御パラメータを少しずつ変えながら試行錯誤することが必要であった.そこで本研究では，グラフにおけるパーソナライズ推薦ベクトルが，起点に非依存な次数ベクトルと相関することを背景に，その相関を任意に調整する手法を提案する.具体的には，ベクトル間の線形結合とその係数の数学的な決定により，推薦ベクトルと次数ベクトルのコサイン類似度が (-1, 1) の任意の値となることが保証される.6 種類の実世界データセットを用いた評価では，提案手法の演算時間は数100万ノードが存在するデータセットでも高々 20 秒であり，既存手法と比較しても高速であることが示された. |
| （英） | In personalized recommendation, which recommends other contents based on user input content, the recommendation vector is often correlated with the feature vector that is independent of the source content, and existing research has investigated how to control the correlation. However, it is difficult to control the correlation freely. To achieve the correlation desired by the user, it is necessary to repeatedly compute recommendation vectors while gradually changing the control parameters. In this study, we propose a method to arbitrarily adjust the correlation between the personalized recommendation vector and the degree vector of a graph. In particular, by performing a linear combination of vectors and mathematically determining the coefficients, the proposed method guarantees that the cosine similarity between the recommendation vector and the degree vector will be any user input values within (-1, 1). Evaluations on six real-world datasets showed that the proposed method was faster than existing methods, with computation times of up to 20 seconds even for datasets with several million nodes. | |
| キーワード | （和） | パーソナライズ / 推薦 / グラフ / / / / / |
| （英） | Personalization / Recommendation / Graph / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 420, IN2024-132, pp. 331-339, 2025年3月. | |
| 資料番号 | IN2024-132 | |
| 発行日 | 2025-02-27 (IN) | |
| 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 | IN2024-132 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2025-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 特徴量ベクトル間の相関を任意かつ高速に制御可能なパーソナライズ推薦 |
| サブタイトル（和） | |
| タイトル（英） | Fast and Flexible Adjustment of Feature Vector Correlation for Personalized Recommendation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | パーソナライズ / Personalization |
| キーワード(2)（和/英） | 推薦 / Recommendation |
| キーワード(3)（和/英） | グラフ / Graph |
| 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） | 山下 剛志 / Tsuyoshi Yamashita / ヤマシタ ツヨシ |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 金子 晋丈 / Kunitake Kaneko / カネコ クニタケ |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2024-132 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.420 |
| ページ範囲 | pp.331-339 |
| ページ数 | 9 |
| 発行日 | 2025-02-27 (IN) |
[研究会発表申込システムのトップページに戻る]