○荒井幸代,村上陽平,杉本悠樹,田仲正弘
京都大学大学院 情報学研究科 社会情報学専攻
Web情報の利用におけるデータ(情報)の信頼性に焦点をあて“信頼性を保証するためのフィルタリング機能”を実現する方法を提案する. 信頼性評価の一つに,コンテンツやCollaborative
Filteringをベースにした評判に基づく方法があるが,問題点として,統計量評価に十分なサンプル数が集められないことがあげられる.提案手法は,サンプル収集対象をWeb全体に広げ,(つまり,あるサイトに集められた任意の提供情報に限定しない),能動的に評価情報を収集することによってサンプル数の不足を補うと同時に,ブースティングを用いて評判を統合し,Web上の評判情報の信頼性を評価する.従来のAd
Hocな評判の統合手法とは異なり,統合した値に対する精度に理論的証明があるが,ノイズの多いWeb情報に対してどの程度有効であるかを考察し,これを報告する.
原稿:
(167KB)