@misc{oai:uec.repo.nii.ac.jp:00008647,
 author = {糸賀, 弘樹},
 month = {2018-03-30},
 note = {2017, インターネット関連の技術の発達により，現代社会には無数のデジタルコンテンツ (アイテム)が存在する．無数のアイテムから自力で探し出すことは，多くの時間やコストを必要とするため，機械学習を利用した推薦システムが広く用いられている．多くの推薦システムは利用者の好みからモデルを作成し，それに従い推薦を行う．信号の計測及び，処理技術の発展に伴い，ここ数十年の間に生体信号を扱った研究が盛んに行われている．生体信号は心拍や脳波などの生体現象により生じる信号である．人間は意識的に内面的変化を隠すことができるが，生体信号を偽ることは困難であることから，推薦に用いる好みを生体信号から得ることで従来よりも高精度な推薦が期待できる．本研究の目的は，脳波から音楽の好みを推定し，得られた好みの情報に基づいた推薦システムを実現することである．このため，好みの推定に用いたランキング学習の手法について，深層学習を用いた手法を提案し，従来より高精度の推薦を行う．3種類の提案手法と，サポートベクター回帰，ランキングサポートベクターマシンや深層学習による順位付けの手法の比較検討を行う．提案したシステムの有効性を確かめるため，脳波測定の実験を行い，データの解析を行った．識別精度とnormalized discounted cumulative gain (nDCG)をランキング学習器の性能指標として算出した．識別精度の比較では提案手法が85.62%と最大の値を示し，nDCGの比較では提案手法が0.81と最大の値を示した．脳波のような少数しか得ることの難しいデータを扱う場合は，ペアワイズ手法がデータ数を増やすことが可能であることから適していることが示された．また，脳波のようなノイズが多く含まれると考えられるデータを扱う場合，ニューラルネットワークに制限をかけることが有効であることが示された.},
 title = {深層学習を利用した脳波情報に基づく音楽推薦システム},
 year = {},
 yomi = {イトガ, ヒロキ}
}