核心概念
グラフニューラルネットワークを利用して、限られた監督データでも治療効果を効率的に予測する手法を提案する。
要約
本研究では、グラフニューラルネットワーク(GNN)を用いた治療効果予測手法を提案している。
電子商取引の文脈で、ユーザー-商品の双方向グラフを活用する。
2つのモデルを組み合わせ、治療群と対照群の出力を別々に予測する。これにより、限られた監督データでも一般化性能を高められる。
さらに、能動学習手法を導入し、モデルの不確実性や特徴の多様性に基づいて、効率的に訓練データを選択する。
大規模な実データセットを用いた実験では、提案手法が既存手法を大きく上回る性能を示した。特に、訓練データが限られる設定で顕著な優位性が確認された。
統計
平均的な購買金額の差(RHC)は2.60である。
平均購買金額(RHP)は423である。
標準偏差は521(RHC)、387(RHP)である。