特許ウォッチ

公開番号2025133482
公報種別公開特許公報(A)
公開日2025-09-11
出願番号2024031465
出願日2024-03-01
発明の名称データ解析装置、方法およびプログラム
出願人NTT株式会社,国立大学法人筑波大学
代理人弁理士法人鈴榮特許綜合事務所
主分類G06Q 50/10 20120101AFI20250904BHJP(計算;計数)
要約【課題】ユーザの嗜好に沿った適切なデータ解析を行う。
【解決手段】一実施形態に係るデータ解析装置は、ユーザの集団の嗜好の分布を表わし、前記ユーザの嗜好に沿ったデータを出力するモデルである混合回帰モデルに、前記集団に属する特定のユーザの嗜好を示すデータを設定する設定部と、ベイズ推定により、前記混合回帰モデルにおける前記特定のユーザの嗜好の分布を表す回帰モデルのパラメタ、および当該回帰モデルに基づく、前記特定のユーザの嗜好に沿ったデータを推定する推定部と、を有する。
【選択図】図1
特許請求の範囲【請求項１】
ユーザの集団の嗜好の分布を表わし、前記ユーザの嗜好に沿ったデータを出力するモデルである混合回帰モデルに、前記集団に属する特定のユーザの嗜好を示すデータを設定する設定部と、
ベイズ推定により、前記混合回帰モデルにおける前記特定のユーザの嗜好の分布を表す回帰モデルのパラメタ、および当該回帰モデルに基づく、前記特定のユーザの嗜好に沿ったデータを推定する推定部と、
を備えるデータ解析装置。
続きを表示（約 620 文字）【請求項２】
前記推定部は、
前記推定するデータへの評価値の期待値と前記評価値の不確実性の大きさに基づいて、前記推定に係る獲得関数を計算し、
前記獲得関数に基づいて、前記特定のユーザの嗜好に沿ったデータを推定する、
請求項１に記載のデータ解析装置。
【請求項３】
前記推定部は、
前記混合回帰モデルを構成する確率分布の差異に基づいて、前記推定に係る獲得関数を計算し、
前記獲得関数に基づいて、前記特定のユーザの嗜好に沿ったデータを推定する、
請求項１に記載のデータ解析装置。
【請求項４】
データ解析装置により行われる方法であって、
前記データ解析装置の設定部により、ユーザの集団の嗜好の分布を表わし、前記ユーザの嗜好に沿ったデータを出力するモデルである混合回帰モデルに、前記集団に属する特定のユーザの嗜好を示すデータを設定することと、
前記データ解析装置の推定部により、ベイズ推定により、前記混合回帰モデルにおける前記特定のユーザの嗜好の分布を表す回帰モデルのパラメタ、および当該回帰モデルに基づく、前記特定のユーザの嗜好に沿ったデータを推定することと、
を備えるデータ解析方法。
【請求項５】
請求項１乃至３のいずれか１項に記載のデータ解析装置の各部としてプロセッサを機能させるデータ解析プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明の実施形態は、データ解析装置、方法およびプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
オンラインショッピング、動画配信、ＳＮＳ（Social Networking Service）などの、現在の多くのWebサービスにおいて、ユーザ個人の嗜好に合わせた、パーソナライズされた推薦システムが広く用いられている。
これらのシステムの実現には、ユーザがサービスを利用する過程で収集される商品購買、動画再生、投稿評価の履歴などのデータが利用される。例えば、ユーザがどのような対象、例えば商品、動画、またはアカウントなど、を好んでいるかを表すユーザ個人の嗜好のモデルをデータから推定し、この個人モデルにおける最適な対象を提示することで推薦を可能としている。
【０００３】
パーソナライズされた推薦システムは、その適用領域を広げてはいるものの、個人のデータが半自動的に収集する仕組みが作ることができない、または難しい領域においては、ユーザの嗜好のモデルを精度良く推定するのに十分な量のデータが集められない。このため、パーソナライズされた推薦システムを実現することは容易ではない。
例えば、表情、文章、または声などに基づく感情または好感度の推定、飲食物からの香り、味、または美味しさの感じ方の推定などの個人の主観に関する領域では、ある対象に対して、ユーザがどう感じるかのデータを収集することが難しいため、実用レベルの推薦システムを作ることは難しい。
【０００４】
上記のような問題意識から、個人の主観に関する領域では、ベイズ最適化（Bayesian Optimization）と呼ばれる、ユーザとのインタラクション（interaction）を通して試行錯誤して最適な対象を発見するアプローチが利用されるようになっている（例えば、非特許文献１参照）。
しかしながら、表情、文章、または声を最適化する問題などのように調整する変数が多くなる問題においては、最適な対象、例えば最適解を発見するのに必要なユーザとのインタラクションの回数、すなわち試行回数が多くなり、ユーザの負担が大きくなる問題がある。
【０００５】
例えば、非特許文献２には、ベイズ最適化におけるユーザの負担を減らすため、別のユーザのインタラクション履歴から同様な嗜好を持つ類似クラスタ、すなわちユーザ群をクラスタリングアルゴリズムであるk-means法を適用することで見つけ出し、このクラスタに属するユーザのモデルを利用することで「良い」解を見つけるのに必要な試行回数を減らすことについて説明されている。
【先行技術文献】
【非特許文献】
【０００６】
城下慧人and 小森政嗣, 生物の気持ち悪い配色の特徴, 人工知能学会全国大会論文集, JSAI2020, 2020.
開發功太郎, 松原正樹, 伊藤寛祥, and 森嶋厚行, ガウス過程回帰に基づく個人的・集団的嗜好分布の効率的な推定, データ工学と情報マネジメントに関するフォーラム(DEIM),2022.
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、上記k-means法では、ユーザ自身以外の別のユーザのモデルおよびデータは解の探索候補を決定する際に用いられるだけであり、ユーザの嗜好を表すモデルの推定には利用されない。
【０００８】
この発明は、上記事情に着目してなされたもので、その目的とするところは、ユーザの嗜好に沿った適切なデータ解析を行うことができるようにしたデータ解析装置、方法およびプログラムを提供することにある。
【課題を解決するための手段】
【０００９】
本発明の一態様に係るデータ解析装置は、ユーザの集団の嗜好の分布を表わし、前記ユーザの嗜好に沿ったデータを出力するモデルである混合回帰モデルに、前記集団に属する特定のユーザの嗜好を示すデータを設定する設定部と、ベイズ推定により、前記混合回帰モデルにおける前記特定のユーザの嗜好の分布を表す回帰モデルのパラメタ、および当該回帰モデルに基づく、前記特定のユーザの嗜好に沿ったデータを推定する推定部と、を備える。
【００１０】
本発明の一態様に係るデータ解析方法は、データ解析装置により行われる方法であって、前記データ解析装置の設定部により、ユーザの集団の嗜好の分布を表わし、前記ユーザの嗜好に沿ったデータを出力するモデルである混合回帰モデルに、前記集団に属する特定のユーザの嗜好を示すデータを設定することと、前記データ解析装置の推定部により、ベイズ推定により、前記混合回帰モデルにおける前記特定のユーザの嗜好の分布を表す回帰モデルのパラメタ、および当該回帰モデルに基づく、前記特定のユーザの嗜好に沿ったデータを推定することと、を備える。
【発明の効果】
（【００１１】以降は省略されています）

関連特許