情報処理学会 インタラクション2021

本稿は複数の様式，選好基準が存在するデータに対する半教師あり学習を提案する．現在人気を誇るソーシャルメディアにおいて，事業対象として注目され始めている選好データには複数の様式が含まれており，一軸での評価が不向きという曖昧性を内包している．このようなデータを区別せず，選好モデルの構成を試みても各様式に共通な平均的なものしか得ることができない．様々なジャンルで集積されている選好データのうち，本研究ではファッション領域に焦点を当て，相互情報量の最大化による教師なし学習（IIC）の枠組みを応用した多峰性選好モデル構成の実現に向けた半教師あり学習法を提案する．選好データを予測する回帰問題として評価を実施したところ，提案手法は，ResNet等，CNNのベースライン的なモデルと比較して,30～40％の精度向上が認められた．このことから提案手法の有効性とファッション領域が多峰性選好モデルを適用すべき領域対象であることが確認された．