- 著者
-
岩田 具治
斉藤 和巳
山田 武士
- 出版者
- 一般社団法人情報処理学会
- 雑誌
- 情報処理学会論文誌数理モデル化と応用(TOM) (ISSN:18827780)
- 巻号頁・発行日
- vol.48, no.6, pp.65-74, 2007-03-15
- 参考文献数
- 19
定額制サービスを提供しているオンラインストアが収益をあげるためには,ユーザの契約期間をできるだけ延ばすことが必要である.従来レコメンド法では,購入される確率を最大化するためにユーザの嗜好に合致する商品を提示する.しかしながら,従来法により必ずしも契約期間が延びるとは限らない.本研究では,定額制サービスを想定し,契約期間が延びる確率を最大にするレコメンド法を提案する.提案法では,まず契約期間の長いユーザに特徴的な購買パターンを抽出する.そして,抽出されたパターンと同じような購買行動になるように商品をレコメンドする.生存時間解析を応用し,ログデータから効率的に購買パターンの抽出を行う.また,効果的なレコメンドにするため,最大エントロピーモデルを用いてユーザの嗜好を推定する.契約期間が延びることはユーザがサービスに満足した結果であるため,提案法はオンラインストアだけでなく,ユーザにとっても好ましいレコメンドである.携帯電話用漫画配信サイトのログを用い,提案法の有効性を示す.Online stores providing subscription services need to extend user subscription periods as long as possible to increase their profits. Conventional recommendation methods recommend items that best coincide with user's interests to maximize the purchase probability, which does not necessarily contribute to extend subscription periods. We present a novel recommendation method for subscription services that maximizes the probability of the subscription period being extended. Our method finds frequent purchase patterns in the long subscription period users, and recommends items for a new user to simulate the found patterns. Using survival analysis techniques, we efficiently extract information from the log data for finding the patterns. Furthermore, we infer user's interests from purchase histories based on maximum entropy models, and use the interests to improve the recommendations. Since a longer subscription period is the result of greater user satisfaction, our method benefits users as well as online stores. We evaluate our method using the real log data of an online cartoon distribution service for cell-phone.