Ryo Furuyama

一般に，EC サイトなどにおける推薦システムでは潜在クラスモデルを用いた手法の有効性が認められている [1]．しかし，就職ポータルサイトには，「広報開始月にユーザが一斉にエントリ行動を開始する」，「年度ごとにユーザが殆ど入れ替わる」，「推薦するアイテムの増減はあまり見られない」といった，一般的な EC サイトには見られない特性が存在する．そのため，潜在クラスモデルを直接用いる推薦システムが就職ポータルサイトでも同様に有効かどうかという点については疑問が残る． 　そこで本研究では，これら就職ポータルサイトの特性に対応した潜在クラスモデルに基づく用いた推薦システムを提案する．具体的には，ユーザのエントリ履歴の蓄積が浅いサービス序盤において，前年度以前のエントリ履歴を学習した潜在クラスモデルを活用することで，推薦精度の向上を図る手法を提案する．また，提案手法の有効性を検証するため，大手就職ポータルサイト（以下，サイト A と呼ぶ）における 2013 年卒のエントリデータを学習データ，2014 年卒のエントリデータをテストデータとしてシミュレーション実験を行う．