@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00224669,
 author = {山口, 真吾 and 井上, 慎太郎 and 及川, 伸 and 石田, 和宏 and 豊田, 俊文 and 本村, 陽一 and Shingo, Yamaguchi and Shintaro, Inoue and Shin, Oikawa and Kazuhiro, Ishida and Toshifumi, Toyoda and Yoichi, Motomura},
 book = {行動変容と社会システム vol.09},
 month = {Mar},
 note = {飲食店経営におけるサービス品質やコストの観点から,来客数に合わせて必要十分な人員配置と食材発注をすることが重要である. 
一般的に,過去の来客数データから未来日の来客数を予測することが行われており,その精度が飲食店のサービス品質やコストに大きく影響する. 
しかし,過去のデータが少ない場合,精度良く予測することができないことが問題となっている. 
そこで本研究では,過去のデータが少ない特殊な日における来客数の予測精度の向上を目的とし,その実現のためにPLSAを用いたクラスタリングによって抽出した潜在クラスで重み付け線形結合した混合回帰モデルによる予測手法の有用性を検証した. 
その結果,データ数が少ない日における来客数予測モデルの精度が向上した. 
この成果により,飲食店をはじめ,小売業やサービス業などにおける人員配置や商品発注の適正化への貢献が期待される., From the viewpoint of service quality and cost in restaurant management, it is important to allocate necessary and sufficient staff and to order ingredients according to the number of customers.
In general, the number of visitors in the future is predicted based on data on the number of customers in the past, and the accuracy of this prediction greatly affects the service quality and cost of restaurants.
However, the problem is that it is not possible to make accurate predictions when there is little past data.
Therefore, in this study, we aim to improve the accuracy of predicting the number of customers on special days with little past data. In order to do that, we developed a predicting method with combination of clustering by Probabilistic Latent Semantic Analysis and linear regression. The usefulness of the prediction method was verified.
As a result, the accuracy of the customer number prediction model improved on days with few data.
These results are expected to contribute to the optimization of staff allocation and product ordering in restaurants, retailers, service industries and so on.},
 publisher = {情報処理学会},
 title = {飲食店における人員配置と食材発注の最適化に向けた確率的潜在意味解析と回帰分析の組み合わせによる来客数予測方法の評価},
 volume = {2023},
 year = {2023}
}