- 著者
-
小柴 等
相原 健郎
小田 朋宏
星 孝哲
松原 伸人
森 純一郎
武田 英明
- 雑誌
- 情報処理学会論文誌 (ISSN:18827764)
- 巻号頁・発行日
- vol.51, no.8, pp.1452-1468, 2010-08-15
ICT(Information and Communication Technology)の発展・普及にともなって,情報爆発という問題が顕在化してきた1).この情報爆発と呼ばれる問題への対策の1つとして,ユーザの望む,ユーザに適した情報を提供するための情報推薦技術が研究・開発されている.しかしながら,情報爆発の勢いはとどまることを知らず,すでに推薦結果であるユーザに適した情報までが氾濫しつつある.そこで本論文では,ネット上や物理世界における行動ログデータが多数蓄積された世界を想定し,従来の推薦手法に加えて,推薦結果である情報がユーザに受け入れられる可能性(情報の受容度)まで考慮した情報推薦手法を提案し,実験により評価した.具体的には,まず,社会心理学の知見をベースに説得性と称するユーザ間の情報受容度を算出するモデルを提案した.次に,実際の商店街を舞台に一般募集の被験者を対象として,行動ログデータを収集した.そのうえで,それらの行動ログデータを用いて説得性の算出を行い,被験者による評価実験を行った.評価実験の結果は,おおむね我々の仮説を好意的に支持するものであり,本論文において提案した"説得性を考慮した情報推薦手法"が,有効に作用することが確認できた.In the "information explosion" are when we can access the increasing amount of information available in digital form from anywhere and at anytime, a filtering method is one of the most important technologies to be solved; how to identify information whether it is adequate and relevant to a user or not. Although many information recommendation systems have been proposed, existing methods could not solve the problem of "overflow" of recommendations, if they judge the information only by using similarity measures of contents. In this paper, we propose a new recommendation approach based on persuasibility among users. We focus on lifelogging both in the real world and the information world. Our recommendation model the information acceptability of information from unknown users and assume that the information of highly persuasible users tend to be accepted than ones of little persuasible users. Our persuasibility model consists of expertise, trustworthiness, likability, and similarity which is typically used in collaborative filtering methods. We carried out some experiments for evaluating our method. Firstly, we developed a specific recommendation model and an experimental recommender. Secondly, we set an experiment to collect lifelogs in a authentic situation. In this experiment, we used 52 shops in a small but very popular town in Tokyo, and about 700 consumers were involved. Finally, we set up another experiment for evaluation of our recommender using a subset of these participants. Our experimental results suggest that our proposed "persuasibility-based recommender" is more useful than general collaborative filtering.