More Related Content Similar to Jc 20141003 tjo Similar to Jc 20141003 tjo (11) 2. A Hazard Based Approach to User Return Time Prediction
Kapoor, Sun, Srivastrava, and Ye,
Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining,
pp. 1719-1728, 2014
http://dl.acm.org/citation.cfm?id=2623348 11. 手法
•要するにCoxの比例ハザードモデル
–Censored dataの扱いの話もRecurrent observationsの話も全部そこで扱われている
–Statusとかの変数を入れる話も出てくる
–※ならESLとか引用すればいいのに
•一応式を挙げておく
–ちなみに打ち切り状態とかも説明変数（共変量） に入れられるセミパラメトリックモデル 13. 変数設定
•目的変数
–時間(days) or クラス（Last.fmデータセットでは7日以内orそ れ以上、大規模データセットでは30日以内orそれ以上）
•説明変数（共変量）
–Typical visitation patternsに関連するもの
•Active weeks, Density of Visitation, Visit number, Previous gap, Time weighted average return time
–User satisfaction / engagementに関連するもの
•Duration, % Distinct Songs, % Distinct Artists, % Skips, Explicit feedback indicators (ratings, comments, complaints etc.)
–その他外部要因に関連するもの
•週末、休日、Last.fmのキャンペーン・プロモ etc. 14. 評価
•他手法でもやってみた
–単純平均（これがベンチマーク）、線形回帰モデル、回帰 木、線形SVM、ニューラルネット
•この辺はRではなくWekaで実施
–SVRはデータが重過ぎて回らなかったので断念
•評価軸は以下の通り
–Weighted RMSE
–Weighted Precision
–Weighted Recall
•LOA (Length of Absence)を変化させた時の各評価指標
–これがハザードモデルの場合は影響が大きいので 15. 結果：計算負荷
•Return time予測モデル（のCV）
–Coxのハザードモデル：8分
–NN：16分
–回帰木：4分
–線形回帰：26秒
–単純平均：20秒
•Return timeのクラス分類（のCV）
–Coxのハザードモデル：8分
–NN：15分
–SVM：24分
–ランダムフォレスト：6分
•全てXeon CPU X5650 / 2.67GHz, 24GHzで計算 24. 感想
•こんなんで（Industrial & Govtとはいえ）KDDに 採択されるんか。。。
•でもreturn timeってソシャゲでも結構面倒な 話だったので意外と使えるネタな気がする
•というか「時間長」の概念はもっと積極的に 使ってもいいのかもしれない
