[4S1-GS-2] Machine learning:

[4S1-GS-2-05] An efficient method for selecting data for evaluation in machine learning models that perform subjective evaluation value estimation

〇Ayako Yamagiwa¹, Masayuki Goto¹ (1. Waseda University)

[[Online]]

Keywords:Subjective evaluation value, Ranking, Active Learning, Pairwise comparison

顧客ニーズの把握は企業にとって重要な課題であり、機械学習を用いたレビュー分析や購買履歴分析が盛んに行われている。また、顧客による主観評価値も重要な尺度である。しかし能動的な評価値取得が必要であることや、評価それ自体の困難さから機械学習を用いた分析は行われず、階層分析法に代表される一対比較を用いた分析手法が主に用いられてきた。しかしそれらの手法は全評価対象組み合わせに対する評価を要するため、コストの観点から少数の評価対象のみに対する分析にとどまっていた。そこで筆者らは一対比較機械学習を用いて、スケーラブルに主観評価値推定が可能な手法を提案した。ここで主観評価値推定において、その活用方法によって求められる出力が異なることに留意する必要がある。例えば商品推薦を行う場合には評価値上位の商品に対する精度向上が重要であり、商品開発のためには全体傾向の把握が重要な課題となる。本研究では前者に着目し、評価値が高いものに対してより推定精度が向上するような被評価対象データ選択手法の構築を目的とする。最後に実際のデータに適用し、提案手法の有効性を評価する。