| 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 | 2026-06-12 11:25 動的環境におけるGNNと強化学習を用いた推薦精度とキャッシュヒット率の両立 ○落合翔大・上山憲昭（立命館大）  NLP2026-19 CCS2026-19 |
|
| 抄録 | （和） | 近年，扱うコンテンツ数が膨大なサービスが急速に普及するにつれ，コンテンツ推薦システムの重要性が高まっている．同時に，コンテンツの配信遅延の増大や低スループットはサービス離脱率の上昇につながるため，多くの事業者がCDN(Content Delivery Network) を利用している．しかし，CDN を併用する場合，ユーザの観点とネットワークの観点では，推薦対象として望ましいコンテンツが異なる．そのため，これらを同時に考慮しなければ，配信品質や推薦精度が低下する可能性がある．従来手法として，強調フィルタリング(CF) と強化学習を用いて両者を最適化する手法が存在するが，動的に変化する環境下において，単純なCF ではユーザとアイテムの複雑な関係性を捉えきれず，推薦精度に限界があった．そこで本稿では，複雑なユーザとコンテンツのインタラクションを学習可能なGraph Neural Network(GNN)を用いることで推薦精度を向上させ，さらにそのGNN の予測スコアを状態として受け取る強化学習エージェントを導入することで，キャッシュヒット率の最適化を同時に実現する新しいコンテンツ推薦方式を提案する．計算機シミュレーションによる性能評価の結果，提案方式は従来のCF ベースの手法と比較して，推薦精度およびキャッシュヒット率の双方において有効に機能することを確認した． |
| （英） | While content recommendation systems and Content Delivery Networks (CDNs) are essential for modern services, their desired recommendation targets often conflict. Existing methods combining collaborative filtering (CF) and reinforcement learning (RL) struggle to capture complex user-item relationships in dynamic environments, limiting accuracy. This paper proposes a novel method that integrates Graph Neural Networks (GNNs) to improve recommendation accuracy, alongside an RL agent that utilizes GNN prediction scores as state information to optimize cache hit rates. Simulations confirm our approach significantly outperforms conventional CF-based methods in both recommendation accuracy and cache efficiency. | |
| キーワード | （和） | GNN / 強化学習 / CDN / 推薦精度 / キャッシュヒット率 / / / |
| （英） | GNN / Reinforcement learning / CDN / Recommendation accuracy / Cache hit ratio / / / | |
| 文献情報 | 信学技報, vol. 126, no. 69, CCS2026-19, pp. 99-104, 2026年6月. | |
| 資料番号 | CCS2026-19 | |
| 発行日 | 2026-06-04 (NLP, CCS) | |
| 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 | NLP2026-19 CCS2026-19 |
|
| 研究会情報 | |
| 研究会 | CCS NLP |
| 開催期間 | 2026-06-11 - 2026-06-12 |
| 開催地（和） | I-site なんば |
| 開催地（英） | I-site Namba |
| テーマ（和） | NLP，CCS，一般 |
| テーマ（英） | Nonlinear Problems, Complex Communication Sciences, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | CCS |
| 会議コード | 2026-06-CCS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 動的環境におけるGNNと強化学習を用いた推薦精度とキャッシュヒット率の両立 |
| サブタイトル（和） | |
| タイトル（英） | Balancing Recommendation Precision and Cache Hit Rate Using GNN and Reinforcement Learning in Dynamic Environments |
| サブタイトル（英） | |
| キーワード(1)（和/英） | GNN / GNN |
| キーワード(2)（和/英） | 強化学習 / Reinforcement learning |
| キーワード(3)（和/英） | CDN / CDN |
| キーワード(4)（和/英） | 推薦精度 / Recommendation accuracy |
| キーワード(5)（和/英） | キャッシュヒット率 / Cache hit ratio |
| 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） | 落合 翔大 / Shota Ochiai / オチアイ ショウタ |
| 第1著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 上山 憲昭 / Noriaki Kamiyama / カミヤマ ノリアキ |
| 第2著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-12 11:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | CCS |
| 資料番号 | NLP2026-19, CCS2026-19 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.68(NLP), no.69(CCS) |
| ページ範囲 | pp.99-104 |
| ページ数 | 6 |
| 発行日 | 2026-06-04 (NLP, CCS) |
[研究会発表申込システムのトップページに戻る]