• TOP
  • ブログ
  • 【参加報告】The 26th ACM Conference on User Modeling, Ad...

ホットリンク 公式ブログ

データから見えてくる注目のトピックスをとりあげます。

テック

【参加報告】The 26th ACM Conference on User Modeling, Adaptation and Personalization (ACM UMAP2018)

R&D部の松野です。今回は、学術イベントへの参加報告をお届けします。

7月8日〜11日にSingaporeのNangyang Technological University (NTU)にて、" The 26th ACM Conference on User Modeling, Adaptation and Personalization (UMAP2018)"という学術イベントが開催されました。自分は,併設ワークショップであるHolistic User Modeling(HUM)において研究発表を行いました。以下、自分が発表した内容と、当該イベントにて行われた発表の一部についてご紹介します。

概要

ACM UMAPはACMのSIGCHI, SIGWEB, およびUser Modeling Inc.の共催による、情報推薦、ユーザ適応システム、パーソナライぜーションなどを扱う歴史ある国際会議です。

User Modeling (UM) とAdaptive Hypermedia and Adaptive Web-based Systems (AH) という2つの国際会議が統合され、2009年からUMAPとして開催されています。

ヒトの認知的な要素や心理的な要素に重点を置いた研究が多く発表されます。

発表内容

HUMの主な目的は、パーソナルデータを収集し、モデリングするためのコンテンツ表現と手法をインテリジェントシステムとして健康や教育などの領域に応用できるかを議論することです。

本セッションにおいて、筆者が東京電機大学で行った研究である、スマートフォンから取得したコンテクストを利用した旅行者の行動決定支援に関する発表を行いました。

本研究では、スマートフォンに内蔵された各種センサを用いて計測した行動データや位置情報、スケジュールに基づきユーザのアクティビティを推定し、行動決定の支援を行う方法の検討と、システムのプロトタイプを紹介しています。

発表メモ

個人的に興味深かった研究をいくつか紹介します。

PACELA: A Neural Framework for User Visitation in Location-based Social Networks

LBSN(Location based social networking)のChack-inデータを行動予測のモデルに用いることはしばしば検討されています。
しかし、よく扱われる推薦タスク(例えば映画推薦)などと比較して、Chack-inデータは保持する情報の密度が低いため、予測は困難です。
そこで、この研究ではディープラーニングを用いてユーザの行動予測を行う新モデルを検討しています。

Predict Demographic Information Using Word2vec on Spatial jectories

スマートフォンのセンサから集めたデータをパーソナライゼーションに応用する研究は多くの方法が検討されています。
一方で、多彩なバックグラウンドを持つ集団から個人の属性を推定するためには多くの情報が必要なのが常です。
この研究では自然言語処理分野で馴染みの深い、Word2vecのアプローチを応用してGPSデータから個人の属性を推定する方法を提案しています。

Modeling and Predicting News Consumption on Twitter

ジャーナリストがTwitterでつぶやいたニュース項目がソーシャルメディアでどのように拡散していくかに焦点をあて、ユーザのニュース消費・ダイナミクスを解析するための予測モデルを提案しています。

 A Cross-Cultural Analysis of Trust in Recommender Systems

ユーザがレコメンドされたアイテムを採用するかどうかの判断にシステムへの信頼は大きく関わります。
この研究では、信頼性に関わる9つの要素へのユーザ認識が、文化圏によってどのように異なり、また一貫するのかを検討しています。

Photos Don't Have Me, But How Do You Know Me? Analyzing and Predicting Users on Instagram

インスタグラムに投稿される頻度、画像の傾向、タグなどの情報からインスタグラムのユーザの年齢や性別などの属性が推定できることを示した研究です。
これまでのSNS分析のようなテクスト分析だけでなく、Instagramの使用パターンや画像の傾向からもグルーピングが高精度で可能であることが示されました。

おわりに

当社R&D部では、自社のための研究開発を行うだけではなく、学術イベントのスポンサー・大学との共同研究の遂行・研究成果の対外発表/論文誌への投稿など、学術コミュニティへの貢献を積極的に行っています。

▼当社R&D部のアカデミックとの協力体制について▼
http://www.hottolink.co.jp/company/lab/