Latent Dirichlet Allocation を用いた潜在的構造変化検知

摘要

Detecting changes in consumers' latent preference is a fundamental challenge for improving recommendation systems as well as market analysis. In this paper, we propose a method for detecting changes in consumers' preference from purchase logs in an online setting. The proposed method employs a Latent Dirichlet Allocation (LDA) model that shares common hyperparameters before and after an assumed change point. The change in latent preference is measured as the distance between the two LDA distributions corresponding to before and after the assumed change point. Furthermore, a dynamic threshold optimization technique is used to raise alarms at change points based on the above distance. We create data sets with artificial change points by concatenating purchase logs from different consumers. We demonstrate on these data sets that the proposed method performs significantly better than a simple multinomial model that does not have latent variables.%ユーザーの購買層歴には潜在的な噂好が背景にあり，その変化を検知することは，マーケットの傾向分析 や商品推薦などにおいて重要である．本研究では，購買履歴からユーザの潜在的な嗜好の変化を検知する手法を提案 する．本手法のポイントは，1）購買行動をLatent Dirichlet Allocation （LDA）によりモデル化し，変化時点前後の 確率分布が共通のハイパーパラメータをもつと仮定する，2）潜在的な噂好の変化をLDA の分布の距離としてスコア リングする，3）スコアをもとに動的闇値法により変化点を検知する，ことである．実際の複数のユーザーの購買履歴 を接続した人工データを用いて，本手法が噂好の変化を捉えることができることを実験的に検証した．LDA に基づく 提案モデルは，多項分布モデルに比べ，嗜好変化の検出性能において優れていることを示す．