嗜好ベクトルの近似による サービス享受条件の自動設定 立命館大学大学院 理工学研究科 データ工学研究室 ◎川成宗剛，山原裕之， 原田史子， 島川博光 2007 年 9 月 6 日.

Presentation on theme: "嗜好ベクトルの近似による サービス享受条件の自動設定 立命館大学大学院 理工学研究科 データ工学研究室 ◎川成宗剛，山原裕之， 原田史子， 島川博光 2007 年 9 月 6 日."— Presentation transcript:

1 嗜好ベクトルの近似による サービス享受条件の自動設定 立命館大学大学院 理工学研究科 データ工学研究室 ◎川成宗剛，山原裕之， 原田史子， 島川博光 2007 年 9 月 6 日

2 サービス享受条件を設定する負担 ユーザ自身がサービス享受条件を設定すれば，ユーザの嗜好に 最も適した有益なサービスだけを享受可能． サービスは，サービス提供者の店舗や施設ごとに異なるため， 提供される サービスの数は膨大． サービス享受条件の設定は，ユーザにとって大きな負担． 食品購入支援サービス  サービス享受条件とは？ 例）キャベツが、 100 円以下であれば購入  現状 紙媒体の広告などで，特に購入したい商 品はチェックするが，すべての商品を チェックすることは困難． 個人ごとに嗜好に適した商品を，嗜好に 適した価格で推薦できていない．

3 サービス享受条件の自動設定 ユーザは，よく利用するスーパーマーケットのサービスにつ いては詳しい. 例）お買い得商品など … ユーザが，別用のついでにふと立ち寄ったスーパーマー ケットなど，サービス享受条件が設定されていない場合で も， これらの知識を蓄積しておけば … 嗜好に適する商品，嗜好に適する価格を自動設定 実現したいサービ ス 過去の他ユーザの ユーザ X の嗜好と

4 提案手法の流れ B. 嗜好に適する商品の選定 - アイテムベースの協調フィルタリ ング ユーザの 嗜好に適した 商品リスト ユーザに 推薦される 商品リスト B A A. 嗜好に適する価格の設定 - ユーザベースの協調フィルタリ ング サービス享受条件の自動設定手法 ユーザの嗜好 に適した価格が 設定された 全商品リスト 蓄積された ユーザの 食品購入履歴 ユーザの 嗜好 ユーザの携帯端末 店舗のサーバ 店舗に蓄積された 過去の他ユーザの 食品購入履歴 店舗に蓄積された 過去の他ユーザの 嗜好と サービス享受条件

5 食品を表現するための項目 ・・・ 0 または 1 の値を取る.  肉類，魚類，野菜類，乳製品，和食，洋食，中華，加工食品，調理済み食品，カップ類，弁 当，．．． 一定期間中にある項目を満たす食品に使用した合計金額 8/2 8/3 ユーザが過去一定期間に購入した食品から，嗜好を 算出． ユーザの嗜好の算出 嗜好を示す数値 ＊項目の一部を抜粋した 表

6 嗜好に適する価格の設定 B. 嗜好に適する商品の選定 - アイテムベースの協調フィルタリ ング ユーザの 嗜好に適した 商品リスト ユーザに 推薦される 商品リスト B A A. 嗜好に適する価格の設定 - ユーザベースの協調フィルタリ ング サービス享受条件の自動設定手法 ユーザの嗜好 に適した価格が 設定された 全商品リスト 蓄積された ユーザの 食品購入履歴 ユーザの 嗜好 ユーザの携帯端末 店舗のサーバ 店舗に蓄積された 過去の他ユーザの 食品購入履歴 店舗に蓄積された 過去の他ユーザの 嗜好と サービス享受条件

7 ユーザベースの協調フィルタリングに よる嗜好に適する価格の自動設定 ユーザが商品を購入するか否かの価格（閾値）を推 定．

8 嗜好に適する商品の選定 B. 嗜好に適する商品の選定 - アイテムベースの協調フィルタリ ング ユーザの 嗜好に適した 商品リスト ユーザに 推薦される 商品リスト B A A. 嗜好に適する価格の設定 - ユーザベースの協調フィルタリ ング サービス享受条件の自動設定手法 ユーザの嗜好 に適した価格が 設定された 全商品リスト 蓄積された ユーザの 食品購入履歴 ユーザの 嗜好 ユーザの携帯端末 店舗のサーバ 店舗に蓄積された 過去の他ユーザの 食品購入履歴 店舗に蓄積された 過去の他ユーザの 嗜好と サービス享受条件

9 アイテムベースの協調フィルタリングに よる嗜好に適する商品の選定 アイテムベースの協調フィルタリング  アイテム間の類似度を計算 ２つのアイテムに対して各ユーザが近い評価値を付けているとき，これらのアイテムを似 ているとし類似度は大きい値を示す．  例） Amazon.com  「この商品を買った人はこんな商品も買っています」 本研究  過去の他のユーザの食品購入履歴から，店舗 A の商品の類似度を計算する． 2 つの食品に対して各ユーザの購入回数が近いとき, これらのアイテムを似ている とし類似度は大きい値を示す．  サービス享受条件を設定していないユーザの食品購入履歴から，店舗 A に おいて嗜好に適すと考えられる商品を選定する．

10 推薦される商品リストの作成 B. 嗜好に適する商品の選定 - アイテムベースの協調フィルタリ ング ユーザの 嗜好に適した 商品リスト ユーザに 推薦される 商品リスト B A A. 嗜好に適する価格の設定 - ユーザベースの協調フィルタリ ング サービス享受条件の自動設定手法 ユーザの嗜好 に適した価格が 設定された 全商品リスト 蓄積された ユーザの 食品購入履歴 ユーザの 嗜好 ユーザの携帯端末 店舗のサーバ 過去のユーザの 食品購入履歴 過去のユーザ の嗜好と サービス 享受条件

11 キャベツ 1 個≦ 100 円 白菜 1 個 ≦ 150 円 きゅうり /1 個≦ 80 円 トマト 1 個 ≦ 70 円 アメリカ産牛肉 100g ≦ 150 円 ・ 通知メッセージの例 ユーザに 推薦される 商品リスト 通知メッセージの例 ・キャベツが 1 個 98 円で販売されています． ・トマトが 3 個 200 円で販売されています．

12 まとめ サービス享受条件を設定する負担 サービス享受条件の自動設定  ユーザの嗜好の算出  嗜好に適する価格の自動設定  嗜好に適する商品の選定  推薦される商品リストの作成 通知メッセージの例 今後について  実験と評価

13 適合率・再現率 システムの正解率  ( 正解の数 / システムが出した答えの数 ) で表される。 例 ) 次の文章中の人名をすべて抜き出せ。 正解となる文章中の人名は 100 個あるとする。  ここで、適合率を上げたければ、これは確実に正解だと 考えた人名を 1 つ答えるだけでいい。適合率は正解率で 100% 。ただし、正解 100 個のうち 1 つしか正解していない ため、再現率は 1% 。適合率と再現率、両方高いことが好 ましいが、トレードオフの関係にある。

14 MAE(Mean Absolute Error) 平均絶対誤差 ： ユーザの商品 i に対する予測値 ： ユーザの商品 i に対する実際の評価地 ： 予測した商品の数 予測精度の指標