購買順序を効率的に用いた協調フィルタリング

情報処理学会 Web Site 被引用文献3件 参考文献19件

書誌事項

タイトル別名
  • コウバイ ジュンジョ オ コウリツテキ ニ モチイタ キョウチョウ フィルタリング
  • Collaborative Filtering Efficiently Using Purchase Orders

この論文をさがす

抄録

高速にパラメータ推定可能な購買順序を考慮した協調フィルタリング手法を提案する．これまでに購買履歴を入力とし次の購入商品を予測する協調フィルタリング問題において，購買順序を考慮したマルコフモデルや最大エントロピーモデルが適用されている．マルコフモデルはパラメータの推定，更新を高速にできるが，予測精度が低いという問題点がある．一方，最大エントロピーモデルはパラメータ推定，更新に多くの計算量を必要とするが，予測精度は高い．提案法は，複数のマルコフモデルを最大エントロピー原理を用いて統合することにより，高速性と高予測精度を同時に実現する．音楽，動画，漫画配信サービスの実ログデータを用い，提案法の有効性を示す．

We propose a new collaborative filtering method that can predict the next purchase item by efficiently using the sequential information in purchase histories for recommendations. Markov models and maximum entropy models are both widely used techniques for such recommendations.In Markov models, parameters can be estimated and updated fast and efficiently,but predictions may not be accurate. On the other hand, the accuracy of maximum entropy models is generally high, however parameter estimation incurs a high computational cost. We achieve both fast parameter estimation and high predictive accuracy by combining multiple simple Markov models based on the maximum entropy principle. Experiments using real log data sets of music, movie and cartoon distribution services show that the proposed method outperforms other conventional methods found in the literature.

収録刊行物

被引用文献 (3)*注記

もっと見る

参考文献 (19)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ