WO2022201435A1 - 情報処理装置、推定方法およびプログラム - Google Patents

情報処理装置、推定方法およびプログラム Download PDF

Info

Publication number
WO2022201435A1
WO2022201435A1 PCT/JP2021/012577 JP2021012577W WO2022201435A1 WO 2022201435 A1 WO2022201435 A1 WO 2022201435A1 JP 2021012577 W JP2021012577 W JP 2021012577W WO 2022201435 A1 WO2022201435 A1 WO 2022201435A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameter
user
action
indicating
interest
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.)
Ceased
Application number
PCT/JP2021/012577
Other languages
English (en)
French (fr)
Inventor
由佳 西田
秀明 金
健 倉島
浩之 戸田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to PCT/JP2021/012577 priority Critical patent/WO2022201435A1/ja
Priority to US18/548,756 priority patent/US20240153643A1/en
Priority to JP2023508318A priority patent/JP7559927B2/ja
Publication of WO2022201435A1 publication Critical patent/WO2022201435A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Definitions

  • the present invention relates to an information processing device, an estimation method, and a program.
  • a technology is known for estimating changes in human interests over time and estimating optimal actions based on the degree of similarity between the direction of human interests and action options.
  • Current human interests change from moment to moment under the influence of past action history.
  • options for future actions that are in line with interests humans can choose those options and increase their sense of well-being.
  • Action options include products to be purchased next, movies to watch, exercise to be performed as health behavior, and the like.
  • Non-Patent Document 1 changes in user interest over time are explained by the following three types of effects. The first is the user's inherent constant interest (inherent), the second is the effect of being attracted to the option by being influenced by past behavior (attraction), and the third is interest due to boredom due to past behavior. This is the fading effect (aversion).
  • action options are not tagged but treated as continuously changing, and considering the time change of the user's interest, it is defined as human happiness. Similarity between directions and action options” is estimated.
  • Non-Patent Document 2 suggests that when human interest continues similar behavior, it is initially attracted to that behavior and gradually loses interest. It is carried out. At that time, action options deal with tagged items.
  • Non-Patent Document 1 when creating a model of time-varying interest of a user, the action options are free without tags, and the magnitude relationship between attraction and aversion is constant for each user. I assume there is. However, this contradicts the technology disclosed in Non-Patent Document 2.
  • the technology disclosed in Non-Patent Document 2 treats the magnitude relationship between attraction and aversion as changing with time.
  • the technique disclosed in Non-Patent Document 2 treats action options as tagged ones, and thus has the problem that it cannot handle continuously changing action options.
  • the disclosed technology aims to present action options in line with changes in the user's interest over time.
  • the disclosed technology is based on data including past user behavior and an evaluation value of the behavior, and as a parameter indicating a time change of the user's interest, a constant interest specific to the user is shown.
  • a constant interest specific to the user is shown.
  • the effect indicated by the second parameter is the action option selection in the past user action
  • the effect shown by the third parameter is greater when the frequency is low, and the effect is smaller than the effect shown by the third parameter when the selection frequency of action options is high.
  • FIG. 2 is a functional configuration diagram of an information processing device
  • FIG. 6 is a flowchart showing an example of the flow of estimation processing
  • It is a figure which shows the hardware structural example of an information processing apparatus.
  • the information processing apparatus uses user behavior data to estimate parameters related to the magnitude relationship between attraction and aversion, which are components of the user's interest. Then, based on the estimated parameters, the information processing device estimates a value indicating happiness, which is the degree of similarity between the user's direction of interest and action options, and selects an action option that maximizes happiness. outputs data indicating the selected action option.
  • FIG. 1 is a functional configuration diagram of an information processing apparatus according to this embodiment.
  • the information processing device 10 includes a parameter estimation unit 11 , a happiness calculation unit 12 , and an optimal action selection unit 13 .
  • the parameter estimation unit 11 estimates parameters based on the action data 901 and the time change function data 902 .
  • the action data 901 is data that includes past user actions and action evaluation values. Specifically, the action data 901 includes an evaluation value for each user's action and data on the time when the action was evaluated. (denoted as r) and the evaluated time (denoted as t). Actions are, for example, watching movies.
  • the time-varying function data 902 is data that defines a function representing a model that indicates the time-varying change in the user's interest.
  • the parameters to be estimated are the parameters included in the function representing the model.
  • (1) and (2) are an example of a function representing a model in which, as the time change u i (t) of user i's interest, attraction first becomes dominant and then aversion becomes dominant. Illustrate. Both models use v(t), which is a function indicating the type of action.
  • (1) includes five types of parameters: ⁇ i , ⁇ i , ⁇ i representing the ratios of inherent, attraction, and aversion, and forgetting rates ⁇ ⁇ i , ⁇ ⁇ i of actions related to attraction and aversion.
  • ⁇ i is an example of a first parameter that indicates a user's inherent constant interest.
  • ⁇ i is an example of a second parameter that indicates the effect of being influenced by past behavior and attracted to the option.
  • ⁇ i is an example of a third parameter that indicates the effect of waning interest due to boredom due to past behavior.
  • the effect indicated by the second parameter is greater than the effect indicated by the third parameter when the frequency of selection of action options in the past user behavior is low, and when the frequency of selection of action options is high Less than the effect shown by the third parameter.
  • (2) is the same as (1), ⁇ i , ⁇ i , ⁇ i , the point N i * at which the magnitude relationship between attraction and aversion changes, and ⁇ i which is the forgetting rate of action. include.
  • the parameter estimation unit 11 estimates each parameter including a second parameter representing weight and a third parameter representing weight different from the second parameter.
  • the advantage of the function shown in (1) is that it can express multiple patterns of interest depending on the magnitude of the parameters.
  • the parameter estimating unit 11 A parameter is estimated that reveals the frequency of selection when the effect indicated by the third parameter becomes greater than the effect indicated by the second parameter.
  • the advantage of the function shown in (2) is that, in addition to the advantage of (1), by calculating and evaluating the similarity between the past action history and the most recent action history, it is possible to determine that the aversion of individual users is superior. It is possible to clarify the number of times of similar behavior until it becomes.
  • the parameter estimation unit 11 estimates five types of parameters (1) or (2) based on the action data 901 and the time change function data 902 . Specifically, the parameter estimation unit 11 uses the inner product of the user's direction of interest u i (t) and the type of action v(t) as the degree of similarity between the direction of interest of the user and the type of action. , estimate u i , v j such that the error of evaluation for this similarity and action is minimized.
  • the parameter estimation unit 11 performs matrix decomposition using stochastic gradient descent. That is, the parameter estimator 11 estimates parameters u i , v j , ⁇ , and ⁇ that minimize the following equations using cross-validation.
  • n is the number of users and m is the number of action options.
  • T represents the prediction target period, and is the elapsed time from January 1, 1970 as a time stamp.
  • u i,model (t) is the time-varying function of either (1) or (2) described above. u i (t) depends on the parameters ⁇ i , ⁇ i , ⁇ i , ⁇ ⁇ i , ⁇ ⁇ i in case (1) and on the parameters ⁇ i , ⁇ i , ⁇ i , N i* , ⁇ i .
  • the parameter estimation unit 11 estimates the parameters that minimize the error defined below by cross-validation and gradient descent.
  • Tables 1 and 2 show output examples from the parameter estimation unit 11.
  • the happiness calculation unit 12 calculates a value indicating the user's happiness based on the estimated parameter and the prediction target time data 903 .
  • the user's sense of well-being is indicated by the degree of similarity between the user's direction of interest and the type of behavior that includes multiple elements.
  • the prediction target time data 903 is data indicating the time when the action of each user included in the action data 901 was evaluated. Since the values indicating each action included in the action data 901 are sorted in chronological order, the prediction target time data 903 represents the elapsed time in seconds after the initial time is set to 0 second.
  • the happiness calculation unit 12 calculates a predicted value of the user's happiness based on the estimated parameter and the prediction target time data 903 for each user.
  • the happiness calculation unit 12 calculates the inner product of u i (t) and v j by round-robin candidates for the action option v j and the user's interest direction u i (t) as a value indicating the happiness. .
  • the optimal action selection unit 13 selects an action that maximizes the calculated value indicating the user's happiness as an optimal action option, and outputs data indicating the selected action option (optimal action data 904). do.
  • Table 3 is an example of optimal behavior data 904 .
  • Table 3 shows an example of outputting the actions with the top three happiness values as options. However, the scope of the present invention is not limited to this. You may output the data which show the action to.
  • FIG. 2 is a flowchart showing an example of the flow of estimation processing.
  • the information processing apparatus 10 starts estimation processing in response to a user's operation or the like.
  • the parameter estimator 11 estimates parameters based on the action data 901 and the time change function data 902 (step S101).
  • the happiness calculator 12 calculates a value indicating happiness based on the estimated parameters and the prediction target time data 903 (step S102).
  • the optimum action selection unit 13 selects the optimum action based on the calculated value indicating the happiness (step S103). Then, the optimum action selection unit 13 outputs data indicating the optimum action (optimal action data 904) (step S104).
  • the information processing apparatus 10 can be realized, for example, by causing a computer to execute a program describing the processing details described in the present embodiment.
  • this "computer” may be a physical machine or a virtual machine on the cloud.
  • the "hardware” described here is virtual hardware.
  • the above program can be recorded on a computer-readable recording medium (portable memory, etc.), saved, or distributed. It is also possible to provide the above program through a network such as the Internet or e-mail.
  • FIG. 3 is a diagram showing a hardware configuration example of the computer.
  • the computer of FIG. 3 has a drive device 1000, an auxiliary storage device 1002, a memory device 1003, a CPU 1004, an interface device 1005, a display device 1006, an input device 1007, an output device 1008, etc., which are connected to each other via a bus B.
  • a program that implements the processing in the computer is provided by a recording medium 1001 such as a CD-ROM or memory card, for example.
  • a recording medium 1001 such as a CD-ROM or memory card
  • the program is installed from the recording medium 1001 to the auxiliary storage device 1002 via the drive device 1000 .
  • the program does not necessarily need to be installed from the recording medium 1001, and may be downloaded from another computer via the network.
  • the auxiliary storage device 1002 stores installed programs, as well as necessary files and data.
  • the memory device 1003 reads and stores the program from the auxiliary storage device 1002 when a program activation instruction is received.
  • the CPU 1004 implements functions related to the device according to programs stored in the memory device 1003 .
  • the interface device 1005 is used as an interface for connecting to the network.
  • a display device 1006 displays a GUI (Graphical User Interface) or the like by a program.
  • An input device 1007 is composed of a keyboard, a mouse, buttons, a touch panel, or the like, and is used to input various operational instructions.
  • the output device 1008 outputs the calculation result.
  • a model that incorporates temporal changes in attraction and aversion for each user is used as a model for predicting the user's sense of happiness. This allows it to accurately predict a user's interests, explore behavioral options that match the user's interests, and present the choices that bring the most happiness. That is, u(t) according to the present embodiment is different from Non-Patent Document 1 in that the attraction and aversion change with time, and the superiority and inferiority gradually change.
  • the parameter estimating unit 11 uses the matrix Estimate using decomposition.
  • v(t) is a vector, and since it is expressed by a mixture of interests in a plurality of elements such as love and horror, complex tastes can be expressed.
  • This specification describes at least an information processing apparatus, an estimation method, and a program described in each of the following items.
  • (Section 1) a first parameter indicating a constant interest specific to the user as a parameter indicating a temporal change in interest of the user based on data including past user behavior and an evaluation value of the behavior; a parameter estimating unit for estimating a second parameter indicating the effect of being influenced by past actions and attracted to the option, and a third parameter indicating the effect of losing interest due to boredom due to past actions; a happiness calculator that calculates a value indicating the user's happiness based on the estimated parameter; an optimum action selection unit that selects the optimum action of the user based on the calculated value indicating the happiness and outputs data indicating the selected optimum action,
  • the effect indicated by the second parameter is greater than the effect indicated by the third parameter when the frequency of selection of action options in the past user behavior is low, and the frequency of selection of action options is high.
  • the parameter estimating unit is a model that indicates changes in the user's interest over time, and expresses the weights as parameters of the model for calculating a weighted average of past action history using weights that decay with time. estimating the second parameter and the third parameter representing the weight, different from the second parameter; The information processing device according to item 1.
  • the parameter estimating unit calculates a parameter of a model that indicates the time change of the user's interest based on the result of calculating the similarity between the past action history and the most recent action history. The information processing device according to item 1.
  • the parameter estimating unit calculates the parameter that minimizes the error between the similarity between the user's directionality of interest and the type of action including a plurality of elements and the evaluation of the action using matrix decomposition.
  • the information processing apparatus according to any one of items 1 to 3.
  • (Section 5) A computer implemented method comprising: a first parameter indicating a constant interest specific to the user as a parameter indicating a temporal change in interest of the user based on data including past user behavior and an evaluation value of the behavior; a step of estimating a second parameter indicating the effect of being influenced by past behavior and attracted to the option, and a third parameter indicating the effect of losing interest due to boredom due to past behavior; calculating a value indicative of the user's happiness based on the estimated parameters; selecting the optimum behavior of the user based on the calculated value indicating the happiness, and outputting data indicating the selected optimum behavior;
  • the effect indicated by the second parameter is greater than the effect indicated by the third parameter when the frequency of selection of action options in the past user behavior is low, and the frequency of selection of action options is high. if less than the effect indicated by the third parameter, estimation method.
  • (Section 6) A program for causing a computer to function as each unit in the information processing apparatus according to any one of items 1 to 4.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するパラメータ推定部と、推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出する幸福感算出部と、算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力する最適行動選択部と、を備える情報処理装置である。

Description

情報処理装置、推定方法およびプログラム
　本発明は、情報処理装置、推定方法およびプログラムに関する。
　人間の興味の時間変化を推定し、人間の興味の方向性と行動の選択肢の類似度に基づいて、最適な行動を推定する技術が知られている。現在の人間が持っている興味は、過去の行動履歴の影響を受けて時々刻々と変化している。興味に沿った、将来行動すべき選択肢を提示することで、人間はその選択肢を選び、幸福感を高めることができる。行動の選択肢とは、次に購入すべき商品、視聴すべき映画、健康行動としてすべき運動などがある。
　例えば、非特許文献１では、ユーザーの興味の時間変化は以下の３種類の効果で説明されている。１つ目はユーザーに固有の定常的な興味（inherent）、２つ目は過去の行動に感化されてその選択肢に惹きつけられる効果（attraction）、３つ目は過去の行動による飽きによって興味が薄れていく効果（aversion）である。非特許文献１では、行動の選択肢がタグ付されたものではなく連続的に変化するものとして取り扱い、ユーザーの興味の時間変化を考慮して、人間の幸福感として定義された「人間の興味の方向性と行動の選択肢の類似度」を推定している。
　また、非特許文献２では、人間の興味は類似した行動を続ける場合、最初はその行動に惹きつけられ、次第に興味が薄れていくことを示唆し、それを考慮して人間の幸福感の推定を行っている。その際、行動の選択肢はタグ付されたものを取り扱っている。
Wei Lu, Stratis Ioannidis & Lask V.S.Lakshmanan, "Optimal Recommendations under Attraction, Aversion, and Social Influence", KDD '14: Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining, pp.811-820 (2014) Romain Warlop, Alessandro Lazaric, Jeremie Mary, "Fighting Boredom in Recommender Systems with Linear Reinforcement Learning", NeurIPS '18: Proceedings of Neural Information Processing Systems, (2018)
　非特許文献１に開示された技術は、ユーザーの興味の時間変化のモデルを作る際に、行動の選択肢はタグ付されていない自由なものとし、ユーザーごとにａｔｔｒａｃｔｉｏｎとａｖｅｒｓｉｏｎの大小関係が定常であると仮定している。しかし、これは非特許文献２に開示された技術と矛盾している。非特許文献２に開示された技術は、ａｔｔｒａｃｔｉｏｎとａｖｅｒｓｉｏｎの大小関係を時間によって変化するものとして扱っている。ところが、非特許文献２に開示された技術は、行動の選択肢をタグ付されたものとして取り扱うため、連続的に変化する行動の選択肢を取り扱うことができないという問題がある。
　開示の技術は、ユーザーの興味の時間変化に沿った行動の選択肢を提示することを目的とする。
　開示の技術は、過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するパラメータ推定部と、推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出する幸福感算出部と、算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力する最適行動選択部と、を備え、前記第二のパラメータに示される効果は、前記過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には前記第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には前記第三のパラメータに示される効果より小さい、情報処理装置である。
　ユーザーの興味の時間変化に沿った行動の選択肢を提示することができる。
情報処理装置の機能構成図である。 推定処理の流れの一例を示すフローチャートである。 情報処理装置のハードウェア構成例を示す図である。
　以下、図面を参照して本発明の実施の形態（本実施の形態）について説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。
　本実施の形態に係る情報処理装置は、ユーザーの興味の構成要素であるａｔｔｒａｃｔｉｏｎとａｖｅｒｓｉｏｎの大小関係に関係するパラメータを、ユーザーの行動データを用いて推定する。そして、情報処理装置は、推定されたパラメータに基づき、ユーザーの興味の方向性と行動の選択肢の類似度である幸福感を示す値を推定し、幸福感が最大となる行動の選択肢を選択して、選択された行動の選択肢を示すデータを出力する。
　（情報処理装置の機能構成）
　図１は、本実施の形態に係る情報処理装置の機能構成図である。情報処理装置１０は、パラメータ推定部１１と、幸福感算出部１２と、最適行動選択部１３と、を備える。
　パラメータ推定部１１は、行動データ９０１と時間変化関数データ９０２とに基づいて、パラメータを推定する。
　行動データ９０１は、過去のユーザーの行動と、行動の評価値と、を含むデータである。具体的には、行動データ９０１は、各ユーザーの行動に対する評価値と、評価された時刻のデータと、を含み、ユーザーＩＤ（ｉと表記）、行動ＩＤ（ｊと表記）、行動の評価値（ｒと表記）および評価された時刻（ｔと表記）から構成される。行動とは、例えば映画の観賞などである。
　時間変化関数データ９０２は、ユーザーの興味の時間変化を示すモデルを示す関数を規定するデータである。また、推定されるパラメータは、モデルを示す関数に含まれるパラメータである。具体的には、ユーザーｉの興味の時間変化ｕｉ（ｔ）として、最初はａｔｔｒａｃｔｉｏｎが優勢となり、次第にａｖｅｒｓｉｏｎが優勢となるモデルを示す関数の一例として、以下の（１）および（２）を例示する。なお、いずれのモデルも、行動の種類を示す関数であるｖ（ｔ）を用いる。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
 　ただし、
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
Figure JPOXMLDOC01-appb-M000005
　（１）は、ｉｎｈｅｒｅｎｔ、ａｔｔｒａｃｔｉｏｎ、ａｖｅｒｓｉｏｎの割合を表すαｉ，γｉ，δｉと、ａｔｔｒａｃｔｉｏｎ、ａｖｅｒｓｉｏｎに関わる行動の忘却率ωγｉ，ωδｉの５種類のパラメータを含む。αｉは、ユーザーに固有の定常的な興味を示す第一のパラメータの一例である。γｉは、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータの一例である。δｉは、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータの一例である。
　第二のパラメータに示される効果は、過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には第三のパラメータに示される効果より小さい。
　また、（２）は、（１）と同様のαｉ，γｉ，δｉ、ａｔｔｒａｃｔｉｏｎとａｖｅｒｓｉｏｎの大小関係が入れ替わる点Ｎｉ＊、および行動の忘却率であるωｉの５種類のパラメータを含む。
　（１）に示す関数、すなわち、ユーザーの興味の時間変化を示すモデルであって、時間減衰する重みを用いて過去の行動履歴に対して重み付き平均を算出するためのモデルを使用する場合、パラメータ推定部１１は、重みを表す第二のパラメータと、第二のパラメータと異なる、重みを表す第三のパラメータと、を含む各パラメータを推定する。（１）に示す関数の優位点は、パラメータの大小によって、複数の興味のパターンを表現できることである。
　（２）に示す関数、すなわち、ユーザーの興味の時間変化を示すモデルであって、過去の行動履歴に対して重み付き平均を算出するためのモデルを使用する場合、パラメータ推定部１１は、第三のパラメータに示される効果が第二のパラメータに示される効果より大きくなる際の選定頻度が明らかになるパラメータを推定する。（２）に示す関数の優位点は、（１）の優位点に加えて、過去の行動履歴と直近の行動履歴の類似度を計算して評価することで、個々のユーザーのａｖｅｒｓｉｏｎが優勢となるまでの類似行動の回数を明らかにできることである。
　パラメータ推定部１１は、行動データ９０１と、時間変化関数データ９０２と、に基づいて、（１）または（２）の５種類のパラメータを推定する。具体的には、パラメータ推定部１１は、ユーザーの興味の方向性と行動の種類の類似度として、ユーザーの興味の方向性ｕｉ（ｔ）と行動の種類ｖ（ｔ）の内積を利用し、この類似度と行動に対する評価の誤差が最小化されるｕｉ，ｖｊを推定する。
　より詳細には、パラメータ推定部１１は、行列分解を、確率勾配降下法を用いて行う。すなわち、パラメータ推定部１１は、下記の式が最小となるパラメータｕｉ，ｖｊ，λ，μを、交差検証を用いて推定する。
Figure JPOXMLDOC01-appb-M000006
 　ここで、ｎはユーザーの数、ｍは行動の選択肢の数である。
　続いて、パラメータ推定部１１は、推定されたパラメータｕｉ，ｖｊ，λ，μにおいて、ｕｉ ０＝ｕｉとし、下記の式が最小となるｕｉ（ｔ）を推定する。
Figure JPOXMLDOC01-appb-M000007
　ただし、Ｔは予測対象期間を表しており、タイムスタンプとして１９７０年１月１日からの経過時間であるが、本実施の形態においては初期時刻を０として初期時刻からの経過時間を示す。また、ｕｉ，ｍｏｄｅｌ（ｔ）とは、上述した（１）または（２）のいずれかの時間変化関数である。ｕｉ（ｔ）は、（１）の場合には、パラメータαｉ，γｉ，δｉ，ωγｉ，ωδｉに依存し、（２）の場合には、パラメータαｉ，γｉ，δｉ，Ｎｉ＊，ωｉに依存する。
　そして、パラメータ推定部１１は、下記に定義された誤差が最小になるパラメータを交差検証と勾配降下法によって推定する。
Figure JPOXMLDOC01-appb-M000008
　パラメータ推定部１１による出力例を、表１および表２に示す。
Figure JPOXMLDOC01-appb-T000009
Figure JPOXMLDOC01-appb-T000010
　幸福感算出部１２は、推定されたパラメータと、予測対象時刻データ９０３と、に基づいて、ユーザーの幸福感を示す値を算出する。ユーザーの幸福感は、ユーザーの興味の方向性と、複数の要素を含む行動の種類と、の類似度によって示される。
　予測対象時刻データ９０３は、行動データ９０１に含まれるユーザーごとの行動が評価された時刻を示すデータである。行動データ９０１に含まれるそれぞれの行動を示す値は、時間順に並べ替えられているため、予測対象時刻データ９０３は、初期時刻を０秒として、以降は経過時間を秒単位で表される。
　具体的には、幸福感算出部１２は、各ユーザーに対し、推定されたパラメータと、予測対象時刻データ９０３とに基づいて、ユーザーの幸福感の予測値を計算する。幸福感算出部１２は、行動の選択肢ｖｊとユーザーの興味の方向性ｕｉ（ｔ）の候補の総当たりによるｕｉ（ｔ）とｖｊの内積を、幸福感を示す値として計算する。
　最適行動選択部１３は、算出されたユーザーの幸福感を示す値を最大化する行動を、最適な行動の選択肢として選択し、選択された行動の選択肢を示すデータ（最適行動データ９０４）を出力する。表３は、最適行動データ９０４の一例である。
Figure JPOXMLDOC01-appb-T000011
　表３は、幸福感を示す値が上位３位までの行動を選択肢として出力した例を示している。ただし、本発明の範囲はこれに限られず、最適行動選択部１３は、幸福感を示す値が最上位の行動を示すデータを出力しても良いし、上位２位まで、または上位４位以上までの行動を示すデータを出力しても良い。
　（情報処理装置の動作）
　図２は、推定処理の流れの一例を示すフローチャートである。情報処理装置１０は、ユーザーの操作等に応じて、推定処理を開始する。パラメータ推定部１１は、行動データ９０１および時間変化関数データ９０２に基づいて、パラメータを推定する（ステップＳ１０１）。
　次に、幸福感算出部１２は、推定されたパラメータおよび予測対象時刻データ９０３に基づいて、幸福感を示す値を算出する（ステップＳ１０２）。
　続いて、最適行動選択部１３は、算出された幸福感を示す値に基づいて、最適な行動を選択する（ステップＳ１０３）。そして、最適行動選択部１３は、最適な行動を示すデータ（最適行動データ９０４）を出力する（ステップＳ１０４）。
　（本実施の形態に係るハードウェア構成例）
　情報処理装置１０は、例えば、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。なお、この「コンピュータ」は、物理マシンであってもよいし、クラウド上の仮想マシンであってもよい。仮想マシンを使用する場合、ここで説明する「ハードウェア」は仮想的なハードウェアである。
　上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メール等、ネットワークを通して提供することも可能である。
　図３は、上記コンピュータのハードウェア構成例を示す図である。図３のコンピュータは、それぞれバスＢで相互に接続されているドライブ装置１０００、補助記憶装置１００２、メモリ装置１００３、ＣＰＵ１００４、インタフェース装置１００５、表示装置１００６、入力装置１００７、出力装置１００８等を有する。
　当該コンピュータでの処理を実現するプログラムは、例えば、ＣＤ－ＲＯＭ又はメモリカード等の記録媒体１００１によって提供される。プログラムを記憶した記録媒体１００１がドライブ装置１０００にセットされると、プログラムが記録媒体１００１からドライブ装置１０００を介して補助記憶装置１００２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１００１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１００２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
　メモリ装置１００３は、プログラムの起動指示があった場合に、補助記憶装置１００２からプログラムを読み出して格納する。ＣＰＵ１００４は、メモリ装置１００３に格納されたプログラムに従って、当該装置に係る機能を実現する。インタフェース装置１００５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１００６はプログラムによるＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）等を表示する。入力装置１００７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。出力装置１００８は演算結果を出力する。
　本実施の形態に係る情報処理装置１０によれば、ユーザーの幸福感を予測するためのモデルとして、ユーザーごとにａｔｔｒａｃｔｉｏｎとａｖｅｒｓｉｏｎの時間変化を取り入れたモデルを使用する。これによって、ユーザーの興味を正確に予測し、ユーザーの興味に沿った行動の選択肢を探索し、最も幸福感を高められる選択内容を提示することができる。すなわち、本実施の形態に係るｕ（ｔ）は、ａｔｔｒａｔｉｏｎ、ａｖｅｒｓｉｏｎが時間によって変化し、徐々に優劣が入れ替わるという点で、非特許文献１と異なる。
　本実施の形態に係るパラメータ推定部１１は、ユーザーの興味の方向性と、複数の要素を含む行動の種類と、の類似度と、行動に対する評価と、の誤差を最小化するパラメータを、行列分解を用いて推定する。特に、ｖ（ｔ）はベクトルであって、恋愛、ホラー等複数の要素への関心のミックスで表現されるため、複雑な嗜好を表現することができる。
　（実施の形態のまとめ）
　本明細書には、少なくとも下記の各項に記載した情報処理装置、推定方法およびプログラムが記載されている。
（第１項）
　過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するパラメータ推定部と、
　推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出する幸福感算出部と、
　算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力する最適行動選択部と、を備え、
　前記第二のパラメータに示される効果は、前記過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には前記第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には前記第三のパラメータに示される効果より小さい、
　情報処理装置。
（第２項）
　前記パラメータ推定部は、ユーザーの興味の時間変化を示すモデルであって、時間減衰する重みを用いて過去の行動履歴に対して重み付き平均を算出するためのモデルのパラメータとして、前記重みを表す前記第二のパラメータと、前記第二のパラメータと異なる、前記重みを表す前記第三のパラメータと、を推定する、
　第１項に記載の情報処理装置。
（第３項）
　前記パラメータ推定部は、過去の行動履歴と直近の行動履歴の類似度を計算した結果に基づいて、ユーザーの興味の時間変化を示すモデルのパラメータを算出することを特徴とする、
　第１項に記載の情報処理装置。
（第４項）
　前記パラメータ推定部は、ユーザーの興味の方向性と、複数の要素を含む行動の種類と、の類似度と、前記行動に対する評価と、の誤差を最小化する前記パラメータを、行列分解を用いて推定する、
　第１項から第３項のいずれか１項に記載の情報処理装置。
（第５項）
　コンピュータが実行する方法であって、
　過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するステップと、
　推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出するステップと、
　算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力するステップと、を備え、
　前記第二のパラメータに示される効果は、前記過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には前記第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には前記第三のパラメータに示される効果より小さい、
　推定方法。
（第６項）
　コンピュータを第１項から第４項のいずれか１項に記載の情報処理装置における各部として機能させるためのプログラム。
　以上、本実施の形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
　１０　情報処理装置
　１１　パラメータ推定部
　１２　幸福感算出部
　１３　最適行動選択部
　９０１　行動データ
　９０２　時間変化関数データ
　９０３　予測対象時刻データ
　９０４　最適行動データ

Claims (6)

  1. 　過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するパラメータ推定部と、
    　推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出する幸福感算出部と、
    　算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力する最適行動選択部と、を備え、
    　前記第二のパラメータに示される効果は、前記過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には前記第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には前記第三のパラメータに示される効果より小さい、
    　情報処理装置。
  2. 　前記パラメータ推定部は、ユーザーの興味の時間変化を示すモデルであって、時間減衰する重みを用いて過去の行動履歴に対して重み付き平均を算出するためのモデルのパラメータとして、前記重みを表す前記第二のパラメータと、前記第二のパラメータと異なる、前記重みを表す前記第三のパラメータと、を推定する、
    　請求項１に記載の情報処理装置。
  3. 　前記パラメータ推定部は、過去の行動履歴と直近の行動履歴の類似度を計算した結果に基づいて、ユーザーの興味の時間変化を示すモデルのパラメータを算出することを特徴とする、
    　請求項１に記載の情報処理装置。
  4. 　前記パラメータ推定部は、ユーザーの興味の方向性と、複数の要素を含む行動の種類と、の類似度と、前記行動に対する評価と、の誤差を最小化する前記パラメータを、行列分解を用いて推定する、
    　請求項１から３のいずれか１項に記載の情報処理装置。
  5. 　コンピュータが実行する方法であって、
    　過去のユーザーの行動と、前記行動の評価値と、を含むデータに基づいて、前記ユーザーの興味の時間変化を示すパラメータとして、前記ユーザーに固有の定常的な興味を示す第一のパラメータと、過去の行動に感化されてその選択肢に惹きつけられる効果を示す第二のパラメータと、過去の行動による飽きによって興味が薄れていく効果を示す第三のパラメータと、を推定するステップと、
    　推定された前記パラメータに基づいて、前記ユーザーの幸福感を示す値を算出するステップと、
    　算出された前記幸福感を示す値に基づいて、前記ユーザーの最適な行動を選択し、選択された最適な前記行動を示すデータを出力するステップと、を備え、
    　前記第二のパラメータに示される効果は、前記過去のユーザーの行動において、行動の選択肢の選定頻度が少ない場合には前記第三のパラメータに示される効果より大きく、行動の選択肢の選定頻度が多い場合には前記第三のパラメータに示される効果より小さい、
    　推定方法。
  6. 　コンピュータを請求項１から４のいずれか１項に記載の情報処理装置における各部として機能させるためのプログラム。
PCT/JP2021/012577 2021-03-25 2021-03-25 情報処理装置、推定方法およびプログラム Ceased WO2022201435A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2021/012577 WO2022201435A1 (ja) 2021-03-25 2021-03-25 情報処理装置、推定方法およびプログラム
US18/548,756 US20240153643A1 (en) 2021-03-25 2021-03-25 Information processing apparatus, estimation method and program
JP2023508318A JP7559927B2 (ja) 2021-03-25 2021-03-25 情報処理装置、推定方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/012577 WO2022201435A1 (ja) 2021-03-25 2021-03-25 情報処理装置、推定方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2022201435A1 true WO2022201435A1 (ja) 2022-09-29

Family

ID=83395454

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/012577 Ceased WO2022201435A1 (ja) 2021-03-25 2021-03-25 情報処理装置、推定方法およびプログラム

Country Status (3)

Country Link
US (1) US20240153643A1 (ja)
JP (1) JP7559927B2 (ja)
WO (1) WO2022201435A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016091328A (ja) * 2014-11-05 2016-05-23 日本電信電話株式会社 個体行動モデル推定装置、購買行動モデル推定装置、外部刺激タイミング最適化装置、個体行動モデル推定方法、及びプログラム
US20180129749A1 (en) * 2015-09-08 2018-05-10 Tencent Technology (Shenzhen) Company Limited Method, apparatus, and system for recommending real-time information
WO2018198323A1 (ja) * 2017-04-28 2018-11-01 富士通株式会社 行動選択学習装置、行動選択学習プログラム、行動選択学習方法及び行動選択学習システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210304867A1 (en) * 2020-03-27 2021-09-30 MindSciences, INC. Application with behavior change user interface responses

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016091328A (ja) * 2014-11-05 2016-05-23 日本電信電話株式会社 個体行動モデル推定装置、購買行動モデル推定装置、外部刺激タイミング最適化装置、個体行動モデル推定方法、及びプログラム
US20180129749A1 (en) * 2015-09-08 2018-05-10 Tencent Technology (Shenzhen) Company Limited Method, apparatus, and system for recommending real-time information
WO2018198323A1 (ja) * 2017-04-28 2018-11-01 富士通株式会社 行動選択学習装置、行動選択学習プログラム、行動選択学習方法及び行動選択学習システム

Also Published As

Publication number Publication date
US20240153643A1 (en) 2024-05-09
JP7559927B2 (ja) 2024-10-02
JPWO2022201435A1 (ja) 2022-09-29

Similar Documents

Publication Publication Date Title
CN111259222B (zh) 物品推荐方法、系统、电子设备及存储介质
US20200298131A1 (en) Toxicity-based chat personalization within video games
CN110175678B (zh) 用于模拟复杂的强化学习环境的系统和方法
WO2021027260A1 (zh) 处理交互序列数据的方法及装置
Fernandez-Lanvin et al. The dimension of age and gender as user model demographic factors for automatic personalization in e-commerce sites
JP4847916B2 (ja) 購買順序を考慮したリコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体
JP6395852B2 (ja) 業務状況管理システム、及び業務状況管理方法
US9633308B2 (en) Information processing apparatus, information processing method, and program for evaluating content
WO2016069505A1 (en) System forecasting and improvement using mean field
KR20210012075A (ko) 선호도 예측 방법 및 장치
JP4847919B2 (ja) リコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体
CN110069699A (zh) 排序模型训练方法和装置
KR20160117097A (ko) 추정필터를 이용한 교육 성과 예측 방법 및 시스템
Angelopoulou et al. UTASiMo: a simulation-based tool for task analysis
US20110208687A1 (en) Collaborative networking with optimized inter-domain information quality assessment
KR20200071849A (ko) 인테리어 디자인 중개 서비스 앱
JP4751242B2 (ja) リコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体
WO2022201435A1 (ja) 情報処理装置、推定方法およびプログラム
JP6357435B2 (ja) 選択行動モデル化装置、選択行動予測装置、方法、及びプログラム
Patil Using ensemble and metaheuristics learning principles with artificial neural networks to improve due date prediction performance
JP6042370B2 (ja) モデル推定装置、行動予測装置、方法、及びプログラム
JP7256766B2 (ja) 推測根拠分析装置及び推測根拠分析方法
Madi et al. Plmwsp: Probabilistic latent model for web service qos prediction
JP7831596B2 (ja) 情報処理装置、情報提示方法、および情報提示プログラム
Teng et al. Identifying player strategies through segmentation: An interactive process visualization approach

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21933043

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023508318

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18548756

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21933043

Country of ref document: EP

Kind code of ref document: A1