Web閲覧履歴に表れる単語の関連性を考慮した情報推薦のためのユーザモデルの生成研究背景研究目的インターネットの普及に伴い，Web上には大量の情報が蓄積されている．これにより，ユーザの要求を満足する情報を見つけることが困難になってきている．そのよう中で，近年，ユーザ嗜好に合った情報を取捨選択する情報推薦という技術が注目を集めている．比較的容易に取得できるWeb閲覧履歴を用いて，各ユーザ毎に異なる嗜好を抽出し，適切な推薦を行うことが出来るユーザモデルを生成したい．提案手法 ①単語の関連性 ②ユーザモデルの表現重み付き無向グラフで表現単語に対する興味の度合だけでなく，単語の関連性も考慮する．単語に対する興味の度合と単語間の関連性の強さを同時に表現出来る．・ユーザ毎に単語の関連性の強さが異なる一般的に関連性が強いとされている単語ペアが，すべてのユーザに当てはまるものではない． ⇒ 各ユーザ毎に異なる嗜好・１つの文に同時に出現する単語の同士は関連性が強いノード：単語，重みは興味の度合文という短いセグメントにおいて，出現する単語間に関連性がある． ⇒ 関連性がある単語ペアの定義エッジ：関連性，重みは関連性の強さ ③ユーザモデルの生成 ④関連性の予測 1) Web閲覧履歴から重要文を抽出文やグラフの重ね合わせでは出現しない単語間の関連性をグラフ理論におけるグラフ構造推定により予測する．本研究では拡散カーネルを用いた． tfidf値に基づいて文にスコアを付け，上位N件を重要文として抽出する． 2) 重要文に含まれる単語をノードとした完全グラフを作成フランスアンリアーセナル移籍拡散カーネルKはグラフの隣接行列Aとノード次数の対角行列Dから作られたグラフ・ラプラシアン行列Lで次の様に表現される．βは拡散係数である．元フランス代表のアンリがアーセナルに移籍する。 3) グラフの重ね合わせいくつかの重要文から作成された完全グラフを重ね合わせる． A C B B D E D B C A C D B 1 exp(βL) Z (β) Z (β)  tr (exp(βL)) K E exp(βL)  I  D 重なったノードとエッジは重みを加算することで，ノードにはその単語の出現回数を表す値が与えられ，エッジには単語ペアの共起の強さを表す値が与えられる．実験 βL (βL) 2 (βL)3    1! 2! 3! 拡散カーネルは無向グラフによって表現された局所的な関係から全データ間の類似度を定義することが出来る．まとめ・単語に対する興味の度合のみを表現したモデルA ・提案手法によって単語の関連性も考慮したモデルB ・拡散カーネルにより関連性を予測したモデルC 上記３つのモデルを用いて，推薦候補を２つ用意し，Webページの推薦を行った．評価には平均適合率を使用した．推薦候補1 推薦候補2 モデルA 0.734 0.381 モデルB 0.950 0.643 モデルC 0.967 0.480 ・ユーザ嗜好の表現には単語に対する興味の度合だけでなく単語の関連性も考慮した方が良いことが判明した．・拡散カーネルを用いて関連性を予測した推薦の方が良い場合があることがわかった．今後の課題・複数のデータを用いた実験・関連性の予測に関する調査・単語の関連性を用いた意外性のある推薦の実現