山下 遥

近年，多くのECサイトでは，ユーザの購買履歴や商品・店舗に対する評価に関する情報が蓄積されている．それらを活用しユーザの行動履歴を適切に分析することで，市場の理解やユーザごとにカスタマイズされた推薦システムの導入など，効果的なマーケティングが行われている． 一般的に，多数のユーザが使用するインターネット上では，ユーザ間のネットワークが構築されており，その構造によって嗜好に傾向があるものと考えられる．よって，ユーザの行動を分析する際に，各ユーザの行動のみならず，ユーザ間の関係性を考慮することが望ましい．しかし，多くの従来研究では，ユーザの行動分析とユーザ間の関係性の分析は独立に行われることが多かった． そこで，本研究ではそれらのアプローチを統合し，ユーザ間の関係性を考慮した行動分析モデルを提案する．具体的には，Graph Attention Networkを用いることで繋がりのある周囲のユーザの影響を考慮したグラフを構築し，そのサブグラフの特徴について考察することで，ユーザの行動を表現する．さらに実際のデータを分析することで，ユーザの嗜好及びユーザ間の関係性が適切に捉えられていることを示す．

膨大なページ閲覧履歴データが取得可能なECサイトでは，それらの豊富なデータを活用して購買に至るセッションと至らないセッションの間の差異を発見し，有効なマーケティング施策に結び付けることが期待されている．従来，閲覧行動と購買の関係性の分析手法としては，ユーザの閲覧履歴を入力し，購買の有無を予測する分類モデルを適用することが多い．これにより，両セッションの全体的な閲覧行動の差異を分析し，サイト設計の改善等に活用可能である．しかし，ECサイトを閲覧中の各ユーザに対し購買を促進させる施策を行う場合，分類モデルではなく，購買の有無から閲覧行動を推論する生成モデルが必要となる．このようなモデルとして，入力データの特徴をもとにラベルを指定したデータを生成するConditional VAE(CVAE)が提案されている．そこで，本研究ではセッション内での購買の有無をラベルとし，CVAEを適用する．そして，非購買ユーザが購買したと仮定した場合の閲覧ページを生成し比較を行うことで，各ユーザの購買に寄与する閲覧ページの分析を行う手法を提案する．また，実際の閲覧履歴データに提案手法を適用し，その有効性を示す．

社会的な関係性をネットワークとして可視化することは，集団と個人のふるまいを理解する上で重要となる．本研究で対象とするのは，社員をノード，社員間のつながりをエッジとした社員間ネットワークである．このネットワークの構築は，職場の人間関係を理解し，適切なチームマネジメントを行うのに有用である．社員間ネットワークの構築には，従来使用されたアンケートやE-mailデータではなく，近年急速に広まったビジネスチャットアプリ(Slack等)上の会話履歴データを用いる．本研究では，チャットアプリ上の会話履歴データから社員間の関係性を定量化し，社員間ネットワークとして可視化する手法を提案する．具体的には，「関係性の強い社員同士はアプリ上で隣接した時刻に発言を行う」という仮定を置き，点過程モデリングの一種である多次元ホークス過程モデルを用いて関係性の定量化を行い，ネットワークモデルを構築する方法を示す．提案モデルの有効性を検証するため，実企業のSlack会話履歴データを用いて，提案モデルによって社員間のネットワークを構築し，ネットワークの分析から組織戦略上有効な知見が得られることを確認した．

近年，情報技術の発展から，推薦システムの重要性が高まってきている．その推薦システムの一つに，評価値予測を用いた協調フィルタリングがある． 本研究では協調フィルタリングの一つである，行列分解に基づく手法であるEM-NMFに着目する．ここで，一般的な評価値はアイテムごとの被評価件数に偏りがある．そのため，EM-NMFは被評価件数の多いアイテムが重点的に学習され，被評価件数の少ないアイテムに対する予測精度が低くなってしまう． そこで本研究では，被評価件数の多いアイテムと少ないアイテムのそれぞれを重視して学習するEMNMFから得られた二つの予測評価値の行列と，通常のENMMFから得られた予測評価値の行列をアンサンブルする手法を提案し，予測精度の向上を目指す．

情報技術の発展に伴い，EC サイト等では膨大な量の購買履歴データが蓄積されるようになった．このような背景から，これらの大規模データを活用した推薦システムは，アイテムを検索するための重要なツールとなっている．推薦システムでは，推薦したアイテムがどれだけユーザに購買されるかを示す精度が重要な指標である．精度以外の尺度として，近年，ユーザの満足度の観点から，多様なアイテムを推薦することの有効性が示されている．従来の研究では， LDAに基づいて抽出されたトピックが多様化されるような推薦手法を提案している．この手法は，推薦リスト全体でトピックを多様化している一方で，個々のアイテムの非類似性を保証していない．そこで本研究では，個々のアイテムの非類似性を考慮し，より多様な推薦リストを構築するためのアルゴリズムを提案する．さらに，ベンチマークデータに提案手法を適用し，精度と多様性の観点から従来手法との比較を行い，その有効性を示す．

近年，データベースやインターネットテクノロジーの進化により顧客がいつ，どこで，何を買ったのかについての詳細なデータを蓄積することが可能となった．このようなデータを活用した解析の中には，優良顧客をどのように獲得するのか，どのような施策を講じれば，離反顧客になることを抑止できるのか，といった様々な観点からの解析が存在する．本研究では，某小売店の購買履歴データを分析対象とし，顧客ごとに存在する会員ステージに着目する．非優良顧客と優良顧客にはどのような購買傾向の違いがあり，顧客を成長させるために重要度が高い商品は何か，をクラスタ分析及び重要度分析から明らかにすることで，顧客の成長への示唆が与えられる．

近年，購買履歴データから商品毎の売上パターンを分析し，マーケティング活動に結びつけようとする取り組みが多々なされている．その中で，食品などを扱う小売店においては，気象条件が売上に強い影響を与える商品も多く，その関係性を考慮した分析が望まれる．本研究では，購買時刻とアイテム情報のデータを用いて，曜日効果及び季節性を取り除いた日付ごと，商品カテゴリごとの売上個数を要素とする行列を生成し，この行列表現されたデータの中に潜在するパターンの抽出を非負値行列因子分解(NMF)の適用により，気象要素による購買パターンの抽出を行い，ある小売店のデータを対象とした実験により，その有効性を示す．

大規模なデータを解析する際に,Principal Pointsを用いてデータのいくつかの代表点を求め,その点によってデータを要約するという統計的アプローチは有効な方法である.2値型Principal Pointsは,与えられた多変量2値のデータにおいて,その取り得る2値のパターン中のいくつかの代表的なパターンとして定義される.一般に,2値型Principal Pointを求める計算はNP困難である.本研究では,まずこの問題をp-median問題として定式化し,これに基づく劣勾配法を提案する.これにより厳密解を求めること,または繰り返し計算の途中で解の最適性を評価することが可能となる.さらに本研究では,2値型Principal Pointsおよび提案方法を,実データへ適用し,その有用性について検証する.