JP2014096118A - 欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム - Google Patents
欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム Download PDFInfo
- Publication number
- JP2014096118A JP2014096118A JP2012248800A JP2012248800A JP2014096118A JP 2014096118 A JP2014096118 A JP 2014096118A JP 2012248800 A JP2012248800 A JP 2012248800A JP 2012248800 A JP2012248800 A JP 2012248800A JP 2014096118 A JP2014096118 A JP 2014096118A
- Authority
- JP
- Japan
- Prior art keywords
- tensor
- product
- user
- class
- granularity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】 本発明は、複数次元の関係を示す観測データと、各次元の背景知識となるクラス階層構造であるタクソノミを入力とし、各次元のタクソノミに基づき各次元のクラスの粒度を調整し、記憶手段に格納する粒度調整手段と、記憶手段に格納された粒度調整された結果からテンソルを構築するテンソル構築手段と、テンソルをテンソル分解法により分解及び復元することで未観測データに対する欠損値を推定する欠損値推定手段と、を有する。
【選択図】 図1
Description
複数次元の関係を示す観測データと、各次元の背景知識となるクラス階層構造であるタクソノミを入力とし、各次元のタクソノミに基づき各次元のクラスの粒度を調整し、記憶手段に格納する粒度調整手段と、
前記記憶手段に格納された粒度調整された結果から前記テンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することで未観測データに対する欠損値を推定する欠損値推定手段と、を有する。
個人ユーザの商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラス階層構造であるタクソノミ上の末端クラスを入力として、ユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することでユーザが関心を持ち得る商品を予測する商品予測手段と、を有する。
個人の商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラスの階層構造であるタクソノミを入力として、クラスの粒度を調整し、記憶手段に格納する粒度調整手段と、
前記記憶手段に格納された粒度調整された結果からユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することで前記ユーザが関心を持ち得る商品を予測する商品予測手段と、を有する。
本実施の形態では、欠損値推定について説明する。
本実施の形態では、ユーザが次に購入する商品を予測する商品推薦装置について説明する。
twitter(登録商標)上での音楽視聴履歴をクロールしたデータセットを用い、ptuckerで検証を実施した。7/6から7/13日までのデータセットを用い、7/14から7/21のデータセットでの視聴を予測した結果を以下に示す。
rmse=0.2317
2.テンソル分解の場合(非特許文献3の方法)
rmse=0.2024
3.タグではなくクラスを用いた場合(本発明)
rmse=0.2018
4.最下層クラス+上位クラスを用いた場合(複数粒度のクラスを混ぜ込んでテンソルを構築した場合)
rmse=0.1967
上記の1.は、2次元行列分散に適用した場合(「matrix factorization」に相当)であり、非特許文献2そのものではないが、非常に近い手法である。
2 テンソル構築部
3 欠損値推定部
4 記憶部
5 商品予測部
Claims (8)
- 複数次元の関係を表現するテンソル上の欠損値の予測を行う欠損値予測装置であって、
複数次元の関係を示す観測データと、各次元の背景知識となるクラス階層構造であるタクソノミを入力とし、各次元のタクソノミに基づき各次元のクラスの粒度を調整し、記憶手段に格納する粒度調整手段と、
前記記憶手段に格納された粒度調整された結果から前記テンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することで未観測データに対する欠損値を推定する欠損値推定手段と、
を有することを特徴とする欠損値予測装置。 - 複数次元の関係を表現するテンソル上の欠損値の予測を行う欠損値予測方法であって、
記憶手段、粒度調整手段、テンソル構築手段、欠損値推定手段と、を有する装置において、
前記粒度調整手段が、複数次元の関係を示す観測データと、各次元の背景知識となるクラス階層構造であるタクソノミを入力とし、各次元のタクソノミに基づき各次元のクラスの粒度を調整し、前記記憶手段に格納する粒度調整ステップと、
前記テンソル構築手段が、前記記憶手段に格納された粒度調整された結果から前記テンソルを構築するテンソル構築ステップと、
前記欠損値推定手段が、前記テンソルをテンソル分解法により分解及び復元することで未観測データに対する欠損値を推定する欠損値推定ステップと、
を行うことを特徴とする欠損値予測方法。 - コンピュータを、
請求項1記載の欠損値予測装置の各手段として機能させるための欠損値予測プログラム。 - ユーザが次に購入する商品を予測する商品推薦装置であって、
個人ユーザの商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラス階層構造であるタクソノミ上の末端クラスを入力として、ユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することでユーザが関心を持ち得る商品を予測する商品予測手段と、
を有することを特徴とする商品推薦装置。 - ユーザが次に購入する商品を予測する商品推薦装置であって、
個人の商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラスの階層構造であるタクソノミを入力として、該商品クラスの粒度を調整し、記憶手段に格納する粒度調整手段と、
前記記憶手段に格納された粒度調整された結果からユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築手段と、
前記テンソルをテンソル分解法により分解及び復元することで前記ユーザが関心を持ち得る商品を予測する商品予測手段と、
を有することを特徴とする商品推薦装置。 - ユーザが次に購入する商品を予測する商品推薦方法であって、
テンソル構築手段と、商品予測手段とを有する装置において、
前記テンソル構築手段が、個人ユーザの商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラス階層構造であるタクソノミを入力として、ユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築ステップと、
前記商品予測手段が、前記テンソルをテンソル分解法により分解及び復元することでユーザが関心を持ち得る商品を予測する商品予測ステップと、
を行うことを特徴とする商品推薦方法。 - ユーザが次に購入する商品を予測する商品推薦方法であって、
記憶手段、粒度調整手段、テンソル構築手段、欠損値推定手段と、を有する装置において、
前記粒度調整手段が、個人の商品に対する消費頻度からなるユーザの消費履歴と、情報源から得られる商品クラスの階層構造であるタクソノミ上の末端クラスを入力として、該商品クラスの粒度を調整し、前記記憶手段に格納する粒度調整ステップと、
前記テンソル構築手段が、前記記憶手段に格納された粒度調整された結果からユーザ、商品、クラスからなる3次元のテンソルを構築するテンソル構築ステップと、
前記商品予測手段が、前記テンソルをテンソル分解法により分解及び復元することで前記ユーザが関心を持ち得る商品を予測する商品予測ステップと、
を有することを特徴とする商品推薦方法。 - コンピュータを、
請求項4または5記載の商品推薦装置の各手段として機能させるための商品推薦プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012248800A JP5903369B2 (ja) | 2012-11-12 | 2012-11-12 | 欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012248800A JP5903369B2 (ja) | 2012-11-12 | 2012-11-12 | 欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014096118A true JP2014096118A (ja) | 2014-05-22 |
JP5903369B2 JP5903369B2 (ja) | 2016-04-13 |
Family
ID=50939117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012248800A Active JP5903369B2 (ja) | 2012-11-12 | 2012-11-12 | 欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5903369B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016148905A (ja) * | 2015-02-10 | 2016-08-18 | 日本電信電話株式会社 | 多次元データの予測装置、多次元データの予測方法、多次元データの予測プログラム |
CN109921799A (zh) * | 2019-02-20 | 2019-06-21 | 重庆邮电大学 | 一种基于聚能量字典学习的张量压缩方法 |
CN110134861A (zh) * | 2019-04-12 | 2019-08-16 | 汕头大学 | 一种基于项目类别和用户偏好的推荐方法 |
CN112989176A (zh) * | 2019-12-12 | 2021-06-18 | 国网电子商务有限公司 | 一种信息推荐方法及装置 |
CN115329907A (zh) * | 2022-10-14 | 2022-11-11 | 杭州致成电子科技有限公司 | 基于dbscan聚类的电负荷补全方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012098950A (ja) * | 2010-11-02 | 2012-05-24 | Nippon Telegr & Teleph Corp <Ntt> | 類似ユーザ抽出方法、類似ユーザ抽出装置、類似ユーザ抽出プログラム |
WO2012126741A2 (en) * | 2011-03-18 | 2012-09-27 | Telefonica, S.A. | Method for context-aware recommendations based on implicit user feedback |
-
2012
- 2012-11-12 JP JP2012248800A patent/JP5903369B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012098950A (ja) * | 2010-11-02 | 2012-05-24 | Nippon Telegr & Teleph Corp <Ntt> | 類似ユーザ抽出方法、類似ユーザ抽出装置、類似ユーザ抽出プログラム |
WO2012126741A2 (en) * | 2011-03-18 | 2012-09-27 | Telefonica, S.A. | Method for context-aware recommendations based on implicit user feedback |
Non-Patent Citations (3)
Title |
---|
JPN6015003586; 堤田 恭太 他: 'メタデータ付き推薦のためのグラフマイニング' 2011年度人工知能学会全国大会(第25回)論文集 [CD-ROM] Vol.2011,No.1P2-6in, 20110603, pp.1-4., 社団法人人工知能学会 * |
JPN6015048091; 岩崎 亘: 'テンソル分解型自己組織化マップの応用 -欠損データ補間方法の提案-' 電子情報通信学会技術研究報告 Vol.112 No.227, 20120927, p.55-60, 一般社団法人電子情報通信学会 * |
JPN7015003366; Gediminas Adomavicius, et al.: 'Incorporating contextual information in recommender systems using a multidimensional approach' ACM Transactions on Information Systems (TOIS) Volume 23 Issue 1, 200501, p.103-145, ACM * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016148905A (ja) * | 2015-02-10 | 2016-08-18 | 日本電信電話株式会社 | 多次元データの予測装置、多次元データの予測方法、多次元データの予測プログラム |
CN109921799A (zh) * | 2019-02-20 | 2019-06-21 | 重庆邮电大学 | 一种基于聚能量字典学习的张量压缩方法 |
CN109921799B (zh) * | 2019-02-20 | 2023-03-31 | 重庆邮电大学 | 一种基于聚能量字典学习的张量压缩方法 |
CN110134861A (zh) * | 2019-04-12 | 2019-08-16 | 汕头大学 | 一种基于项目类别和用户偏好的推荐方法 |
CN110134861B (zh) * | 2019-04-12 | 2023-01-31 | 汕头大学 | 一种基于项目类别和用户偏好的推荐方法 |
CN112989176A (zh) * | 2019-12-12 | 2021-06-18 | 国网电子商务有限公司 | 一种信息推荐方法及装置 |
CN115329907A (zh) * | 2022-10-14 | 2022-11-11 | 杭州致成电子科技有限公司 | 基于dbscan聚类的电负荷补全方法和系统 |
CN115329907B (zh) * | 2022-10-14 | 2023-01-31 | 杭州致成电子科技有限公司 | 基于dbscan聚类的电负荷补全方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP5903369B2 (ja) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gharibian et al. | Quantum hamiltonian complexity | |
Lu et al. | Multilinear factorization machines for multi-task multi-view learning | |
Yu et al. | Temporal regularized matrix factorization for high-dimensional time series prediction | |
Vervliet et al. | Breaking the curse of dimensionality using decompositions of incomplete tensors: Tensor-based scientific computing in big data analysis | |
Breuer | Foundations and measures of quantum non-Markovianity | |
Iitaka et al. | Random phase vector for calculating the trace of a large matrix | |
Schramski et al. | Network environ theory, simulation, and EcoNet® 2.0 | |
JP5903369B2 (ja) | 欠損値予測装置及び方法及びプログラム及び商品推薦装置及び方法及びプログラム | |
Hu et al. | Scalable bayesian non-negative tensor factorization for massive count data | |
Jing et al. | Sparse probabilistic matrix factorization by laplace distribution for collaborative filtering | |
CN112800342B (zh) | 基于异质信息的推荐方法、系统、计算机设备和存储介质 | |
Ifada et al. | Tensor-based item recommendation using probabilistic ranking in social tagging systems | |
Yu et al. | High-dimensional time series prediction with missing values | |
Raghuwanshi et al. | Accelerated singular value decomposition (asvd) using momentum based gradient descent optimization | |
Chen et al. | Higher order energy conservation and global well-posedness of solutions for Gross-Pitaevskii hierarchies | |
Basu et al. | Matrices in soft set theory and their applications in decision making problems | |
Liang et al. | A broad learning approach for context-aware mobile application recommendation | |
Lu et al. | Learning from multi-view multi-way data via structural factorization machines | |
Sun et al. | Multi-view network embedding via graph factorization clustering and co-regularized multi-view agreement | |
Nasiri et al. | Adjusting data sparsity problem using linear algebra and machine learning algorithm | |
Hessam et al. | Bootstrapping Dirac ensembles | |
Hull | Machine learning for economics and finance in tensorflow 2 | |
Xu et al. | Online Continuous-Time Tensor Factorization Based on Pairwise Interactive Point Processes. | |
JP5826721B2 (ja) | 欠損値予測装置及び商品推薦装置及び方法及びプログラム | |
Luo et al. | Regularizaed extraction of non-negative latent factors from high-dimensional sparse matrices |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150204 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151208 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160202 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160314 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5903369 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |