ユーザの嗜好に基づく味データの学習クラスタリング(テーマセッション,大規模データベースとパターン認識)

概要

論文の詳細を見る
ユーザが意図するクラスターを得るためのデータ変換法及びクラスタリングパラメータ調整法を提案した。まず、ユーザが理想とするクラスターとクラスタリング結果との違いを表す指標として、クラスタリング精度(マッチング精度及び分割数精度)を導入した。また、クラスタリングの前処理として、データ変換を導入した。データ変換パラメータは、学習データに付加されたユーザの嗜好に基づくクラスター情報を基に、同一クラスターに属する学習データが1つのクラスターを構成するように調整される。学習データのクラスター情報をユーザの嗜好に基づいて作成することにより、統計的類似度に基づくクラスタリング手法では必ずしもユーザの意図するクラスター構成が得られないという問題を解決した。さらに、クラスタリング精度が高くなるようにクラスタリングに必要なパラメータを調節した。学習データを用いて調整されたパラメータを用いることにより、クラスター情報が未知の評価データに対して、ユーザの嗜好に合ったクラスターを得た。
2013-02-14