融合型AIに基づくインテリアの推薦のためのユーザー嗜好感性モデルの構築

基于融合AI构建室内推荐用户偏好敏感度模型

基本信息

批准号：
21K12097
负责人：
小野景子
金额：
$ 2.58万
依托单位：
Doshisha University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

ユーザーの感性推定モデルは商品の購買時の商品評価や購入履歴や映画のレビュー評価などの明示的なデータを用いて評価されることが多いが，商品画像や映画のポスターなどの視覚データはユーザの好みを大きく映し出すと考え，今年度は画像の特徴量やユーザが好む画像にはどのような特徴があるかまで分析できる深層学習モデル，ルールベースに基づく学習モデルの開発に取り組んだ．画像は，1つのオブジェクトが写っている簡単な画像ではなく，複数のオブジェクトがあり，かつその中に好むオブジェクトがある，またはオブジェクト間のコンビネーションに意味があるというような，ユーザーが買い物などの場面で遭遇するシチュエーションに近くなるよう，具体的には家具を含むインテリア画像からのユーザー趣向のモデル化を行なった．ルールベースに基づく手法では，重要な部分ルールの抽出が必須であるため，連結グラフの最適化手法の改良，ルールの意味理解のための基盤技術である量子アニーリングマシンの改良を行った．具体的には，ホストスイッチネットワークなど，次数が不定の連結グラフの最適化問題において，設計変数空間を固定しないもとでSimulated Annealingで適応的に最適化を行う手法の構築を行い，その性能を評価した．また，量子アニーリングマシンの性能向上について，あえて雑音を乗法的に加えることで性能向上させることができることを理論的に示し，学会発表した．アニーリングは，計算時間をかければかけるほど最適解を得られる確率が上がるが，雑音の大きさを調整することで短い計算時間でも同じ効果が得られることを示した．

通常使用明确的数据（例如购买产品，购买历史记录和电影审阅评级）等明确数据来评估用户敏感性估计模型，但是我们相信，诸如产品图像和电影海发布者之类的视觉数据将在很大程度上反映用户的偏好，今年我们致力于开发深度学习模型，这些模型可以分析图像功能以及图像用户类似于图像的用户以及规则基于规则的学习模型。该图像不是一个对象的简单图像，而是包含家具的内部图像的用户偏好模型，因此它更接近用户在购物情况下遇到的情况，例如当有多个对象和他们喜欢的对象或它们之间的组合之间的情况。由于提取重要的部分规则在基于规则的方法中至关重要，因此我们改进了连接图的优化方法，并改进了量子退火机，这是理解规则含义的基本技术。具体而言，在未定义订单（例如主机开关网络）的优化问题中，我们构建了一种使用模拟退火的自适应优化方法，而无需固定设计变量空间并评估其性能。此外，还提出了理论上的介绍，即可以通过添加噪声乘以它并介绍会议来改善量子退火机器的性能。在退火上花费的时间越多，获得最佳解决方案的概率就越高，但是通过调整噪声的大小，即使计算时间较短，也可以达到相同的效果。