ユーザーの関心度の経時変化を考慮したコンテンツレコメンド技術

情報処理学会

説明

本研究では，日々の生活での様々な活動により，ユーザーの興味が経時変化する点に着目し，ユーザーの状況に応じて，いつでもその時点で深い興味を抱いているコンテンツを推薦できるレコメンド技術を提案する．提案技術では，時間の経過に伴いユーザーの興味が徐々に薄れる事象や，興味に対する欲求を満たす体験で一時的に興味を喪失し，その後徐々に回復する事象を捉え，関心度（興味の深さ）を推定するモデルを定義する．ユーザー行動の履歴をこのモデルに適用し，興味を抱く対象に対するその時点での関心度をリアルタイムに計算する．計算の結果，関心度が大きいと推定された対象に，より特徴の類似したコンテンツほど興味深いコンテンツとする．このような提案技術の効果をスマートフォン向けの観光アプリで検証した．検証実験では提案技術を用いた観光スポットやツアー旅行の推薦を行い，その反応率を従来手法と比較した．その結果，約 1.5 倍の性能向上を示すことが分かり，その効果を確認できた．

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ