[2022 情報処理] Account-Based Marketingのためのターゲット企業推薦モデルの改善 - Githubissues

ftnext / MLPaperSummary

論文のサマリーをIssueに蓄積（arXivTimesリスペクト）

0 stars 0 forks source link

[2022 情報処理] Account-Based Marketingのためのターゲット企業推薦モデルの改善 #5

Open ftnext opened 2 years ago

ftnext commented 2 years ago

https://www.ipsj.or.jp/dp/contents/publication/49/S1301-S03.html

まとめ

受注済みの企業と類似度の高い企業を推定する二値分類問題について、既存の手法（ナイーブベイズの独自拡張）には特徴量間の正相関による問題があったが提案手法（L2正則化項付きのロジスティック回帰モデル）により、同等以上の精度を達成することを確認した

問題設定

ターゲット企業：受注確度が高いと推測される企業（1.1）
既存企業：受注済みの企業（1.1）
- 教師データとし、企業類似度の高いターゲット企業を推薦するモデルを構築
- 本稿における、ABM（Account-Based Marketing）をソフトウェアによって実践する手法

ターゲット企業の推薦問題を二値分類問題と捉える（2.1）企業類似度は0〜1の値を取り、1に近いほど既存企業に近い（＝受注確率が高い）

手法

既存手法：ナイーブベイズの独自拡張（NBEM）（2.1）

提案手法：L2正則化項付きのロジスティック回帰モデル（L2LR）（2.2）

実験結果（3.2　※3.2が複数ある）

AUCについてはL2LRが最も良い Precision@20 100についてもL2LRが良い傾向にある

感想

解釈性（人が見て理解できるか）も重視している
ナイーブベイズで類似度になる理由、理解したい

ftnext commented 2 years ago

既存手法の提案論文 https://www.jstage.jst.go.jp/article/pjsai/JSAI2019/0/JSAI2019_4Rin130/_article/-char/ja/