{"product_id":"ieej-zt20253-070","title":"動的ユーザモデルの音楽印象推定への適用","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-070\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】令和7年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2025\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003ePersonalized Music Impression Estimation Based on Dynamic User Model\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e周慧（関西大学）,林貴宏（関西大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eHui Zhou (Kansai University),Takahiro Hayashi (Kansai University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e音楽推薦|印象推定|コールドスタート問題|music recommendation|impression estimation|cold start problem\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e音楽推薦システムでは，ユーザごとの音楽に対する感性の違いを考慮したパーソナライズ推薦が重要である。ユーザが抱く音楽に対する印象を推定するためには，学習データとして，ユーザが聞いた音楽に対する印象評価データを収集して分析する必要がある。しかし，新規ユーザの音楽印象推定の場合，データ収集に時間がかかるコールドスタートの問題がある。コールドスタートの問題に対処するための機械学習モデルである動的ユーザモデルが提案されている。本研究では，動的ユーザモデルを，音楽印象推定へと適用し，新規ユーザに対するコールドスタート\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e本誌掲載ページ: \u003c\/strong\u003e109-110 p\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e362 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 1","offer_id":46474959454447,"sku":"IEEJ-ZT20253-070-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_e94c3e7e-61c8-4e8a-8030-acd4f85ace53.png?v=1747908862","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt20253-070","provider":"電気学会 電子図書館","version":"1.0","type":"link"}