評価と購買の両履歴データの学習による確率的潜在クラスモデルの推定精度向上に関する一考察  [in Japanese] Accurate Parameter Estimation Based on Latent Class Model Estimated by Combining Both Evaluation and Purchase Histories  [in Japanese]

Access this Article

Search this Article

Author(s)

    • 大井 貴裕 OI Takahiro
    • 早稲田大学 大学院 創造理工学研究科 Graduate School of Creative Science and Engineering, Waseda University
    • 三川 健太 MIKAWA Kenta
    • 早稲田大学 創造理工学部 経営システム工学科 Department of Industrial and Management Systems Engineering, School of Creative Science and Engineering, Waseda University
    • 後藤 正幸 GOTO Masayuki
    • 早稲田大学 創造理工学部 経営システム工学科 Department of Industrial and Management Systems Engineering, School of Creative Science and Engineering, Waseda University

Abstract

近年,インターネット上の電子商取引サイトでは,ユーザの購買履歴や購買アイテムに対する評価履歴といった膨大なデータを活用したプロモーションが可能となり,特に各ユーザの嗜好や特性に合わせて自動で推薦を行う推薦システムのwebマーケティングツールとしての重要性が増してきた.このような推薦のための手法として,確率的潜在クラスモデルを用いた協調フィルタリング(以下,CF)がある.このモデルでは,顧客の商品への評価履歴を用い,未評価アイテムに対する評価値を予測することが可能である.しかし,現実世界のECサイト上での購買活動を考えると,商品を購入する利用者の大半は購入した商品に対する評価値をわざわざ投稿しない.また,頻繁に評価値情報を投稿する利用者も少数存在するが,このような利用者も全ての購入商品に対して評価値を付与するわけではない.このとき,商品アイテムが購入されたという履歴は残るものの,そのユーザがどの程度満足したかを表す評価値は得られないことになる.そこで本研究では,アスペクトモデルを用いたCFによる評価値予測問題を対象に,評価履歴データに加え,購買履歴データも同時に用いたパラメータ推定法を提案する.ベンチマークデータを用いた実験により,両履歴データを用いてパラメータを推定する本提案が,評価履歴のみを用いて学習を行う従来法に比べ推薦精度の面で優れていることを示す.

Recently, the recommender system which automatically recommends product items for customers has become more important as an efficient web marketing tool. In many electronic commerce (EC) sites, the data of customers' purchases and evaluation histories are stored in a database. By using them, the system predicts user's preferences, and automatically recommends items that seem to be preferred, but have not been purchased yet. In this study, we focus on the recommender system based on collaborative filtering (CF) with a latent class model. CF recommends items by using purchase or evaluation history data. Considering real purchase activity on EC sites, most of the consumers who bought items on an EC site don't post their evaluation on the site. That means more purchase history data is stored more in the database than evaluation history data. However, most studies of CF used only evaluation data to learn the model. In this case, the purchase data is not used to construct a model even though its data size is much larger than that of evaluation history. It is more desirable to learn a model by using not only evaluation history, but also purchase data to improve the CF accuracy. The purpose of this study is to construct an effective CF model to improve the CF accuracy by formulating the estimation using both evaluation history data and abundant purchase history data which has not been used in previous CF studies. Specifically, we use the aspect model, which is one of latent class models of CF. We propose a way to estimate its parameters using both evaluation history and purchase data. To verify the effectiveness of this study, a simulation experiment was conducted using a bench mark data of recommender system. We show that the prediction accuracy of the recommendation is improved.

Journal

  • Journal of Japan Industrial Management Association

    Journal of Japan Industrial Management Association 65(4), 286-293, 2015

    Japan Industrial Management Association

Codes

  • NII Article ID (NAID)
    130005002554
  • NII NACSIS-CAT ID (NCID)
    AN10561806
  • Text Lang
    JPN
  • ISSN
    1342-2618
  • NDL Article ID
    026034660
  • NDL Call No.
    Z4-298
  • Data Source
    NDL  J-STAGE 
Page Top