Learning from Double Positive and Unlabeled Data with Application of Potential-Customer Identification

Abstract

本研究では,正例ﾃﾞｰﾀとﾗﾍﾞﾙなしﾃﾞｰﾀによる二値分類器の学習(learning from positive and unlabeled data; PU学習)を応用して,ﾀｰｹﾞｯﾄﾏｰｹﾃｨﾝｸﾞにおける潜在的顧客の特定のための手法を提案する.私たちは,企業がある商品を販売し,その商品を購入した顧客を観測できる状況を考える.意思決定者は,人々の企業へのﾛｲﾔﾙﾃｨの有無に基づいて,効果的に商品をﾏｰｹﾃｨﾝｸﾞすることを目指す.ﾛｲﾔﾙﾃｨのある人々とは,ﾏｰｹﾃｨﾝｸﾞを行わなくても,その企業に対して関心があるような人々である.そのような人々は,企業がﾏｰｹﾃｨﾝｸﾞを行わなくても,その商品に興味があれば,その企業で商品を購入する可能性が高い.そのため,商品に興味はあるものの,企業に対するﾛｲﾔﾙﾃｨが低い顧客に向けてﾏｰｹﾃｨﾝｸﾞの焦点をあてることで,より効率的なﾏｰｹﾃｨﾝｸﾞを行うことを考える.この目的のもと,潜在的な顧客を特定する分類器を限られたﾃﾞｰﾀから学習する方法を考える.私たちのｱﾙｺﾞﾘｽﾞﾑは一段階の最適化で構成されているが,目的関数には潜在的にPU学習ｱﾙｺﾞﾘｽﾞﾑの損失を二つ含んでいる.そのため,提案するｱﾙｺﾞﾘｽﾞﾑを二重PU学習と呼ぶ.提案ｱﾙｺﾞﾘｽﾞﾑの妥当性はｼﾐｭﾚｰｼｮﾝ研究を通じて確認される.