[1A4-GS-2] 機械学習：情報推薦・属性分析

[1A4-GS-2-04] 隠れセミマルコフモデルに基づくユーザの興味持続性を考慮したアイテム分析手法に関する一考察

〇土屋 希琳¹、坪井 優樹¹、清水 良太郎¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：時系列モデル、マルコフモデル、隠れセミマルコフモデル、アイテム分析、興味持続性

近年，動画配信サービスでは顧客獲得の競争が激化しており，視聴履歴データ分析による施策検討は重要である．一般に，動画作品（アイテム）は，日用品等とは異なり視聴（消費）後のユーザのリアルタイムな興味に強く影響を与える．つまり，アイテム消費後のユーザの興味は，アイテムがユーザの興味持続期間に与える強い影響（アイテム下の興味持続期間確率）によって決定されると考えられる．従って，自社サービスを長期的に利用してもらうためには，アイテム下の興味持続期間確率に基づくアイテムの選択や評価が重要である．ユーザの興味持続期間を考慮しながら，ユーザが次に消費するアイテムを予測するためのモデルとして，隠れセミマルコフモデル（HSMM）が提案されている．HSMMによって推定されるパラメータを用いてアイテム下の興味持続期間確率を算出・分析できれば，従来モデルでは得られなかった重要な知見の発見が期待できる．そこで本研究では，HSMMの特性を活用し，アイテム下の興味持続期間確率の分布を用いたアイテムクラスタリングによる分析プロセスを提案する．また，実際の動画配信サービスの評価履歴データに提案手法を適用し，有用性を示す．