コンテンツ推薦システムにおけるユーザ分類に対する認知的アプローチの一考察

摘要

協調フィルタリングはネットワーク上で"くちこみ" を実現するためのアプローチであり，情報過多に対する処置法でもある．多数のユーザーが多種のアイテムを評価した評価値を含む評価値行列が与えられた際に，既知の評価値から未評価のアイテムに対する評価値を予測することで，個人に特化した推薦を行うことから，データ行列中の欠測値を推定する問題ともとらえられる．近傍に基づくアルゴリズムでは，対象ユーザに類似した嗜好をもつユーザ（近傍ユーザ）が好むアイテムを推薦するという原理に基づいている．代表的な手法であるGroupLens アルゴリズム[2] では，ピアソン相関係数により近傍ユーザが探索され，それらの評価値の重み付き平均値から未評価値を予測する．クラスター分析は多数の対象を類似したものからなる"クラスター" にグループ化する分類手法であり，同一のクラスター内の対象はなるべく似ている一方，異なるクラスターに属する対象は相違することが目的となる．プロトタイプに基づくクラスター分析の手法には，局所的な多変量解析法とみなされるものもある．Fuzzy c-Varieties （FCV）法[3] はFCM 型の線形ファジィクラスタリング手法であるが，クラスターのプロトタイプを局所的な主部分空間とみなすことで，局所的な主成分分析と同一視される．また，協調フィルタリングにおける未評価値の推定に局所的な主成分を応用した研究もなされており，最近隣クラスターにおけるプロトタイプに最も近くなるように欠測値が推定される．ここで，ユーザのクラスタリングを近傍探索，局所的な主成分による欠測値推定を重み付き平均の算出とみなすと，線形クラスタリングに基づく予測法は近傍に基づく手法と類似性がある．本論文では，協調フィルタリングにおけるユーザやアイテムの分類のための認知的なアプローチを提案する．提案手法は認知的均衡理論を分類問題へ応用したもので，ユーザによる各アイテムの嗜好度合いを2 者択一の過程とみなした関連性行列において，ユーザ·アイテム評価のグラフ表現における認知的な均衡化の概念に基づく分割によりユーザを2 群に分類する．