@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00213354,
 author = {野村, ひかる and 米川, 慧 and 李, 智 and 原, 隆浩 and 天方, 大地 and 前川, 卓也 and 黒川, 茂莉},
 book = {第29回マルチメディア通信と分散処理ワークショップ論文集},
 month = {Oct},
 note = {近年，企業の効率的な集客施策のため，ユーザの訪問履歴などの行動履歴からユーザの行動パターンや嗜好を分析し，ユーザの興味がある場所 (Point-Of-Interest, POI) を予測することでユーザの将来の訪問予測を行う POI 推薦の研究が盛んに行われている．一般的に，店舗に対する訪問予測の精度を上げるためには，各店舗に対する多くのユーザの訪問情報が大量に必要となる．しかし，店舗によって訪問者数は様々であり，訪問者数が少ない店舗が非常に多い．また，訪問予測の対象となる店舗は大量に存在しているため，計算コストが非常に大きい．そのため，訪問予測を単純に行うことは困難である．そこで本研究では，ユーザの訪問履歴をテキスト，店舗をラベルとみなし，テキスト分類における計算コストの問題に対応した X-Transformer のラベルクラスタリングの手法を用いて，店舗のクラスタリングに基づく訪問予測を行う手法を提案した．提案手法では，同じ店舗に訪れる異なるユーザは類似した店舗に興味を持つと仮定し，ユーザの分散表現をユーザの実店舗への訪問履歴から作成する．さらに，店舗に訪れたユーザの分散表現の平均を店舗の分散表現とし，それを用いて店舗のクラスタリングを行った．クラスタリングを行う際は，各クラスタに含まれる店舗の数が均等になるよう行うことで，クラスタ内の店舗数の偏りを防いだ．計算コストの問題に対応するため，ユーザに対してクラスタ予測を行い，ユーザとの類似度が上位のクラスタに含まれる店舗のみを訪問予測の対象として，訪問予測を行った．提案手法の性能を評価するために，実世界上で Wi-Fi アクセスポイントで収集された実データを用いて実験を行った．店舗のクラスタリングを用いて予測対象を削減して行う提案手法は，単純な手法より高い予測精度を達成したことから，提案手法の有効性を確かめた．},
 pages = {1--8},
 publisher = {情報処理学会},
 title = {X-Transformerを用いた店舗のクラスタリングに基づく訪問予測},
 year = {2021}
}