本橋 永至 (モトハシ エイジ)

MOTOHASHI Eiji

所属組織

大学院国際社会科学研究院 国際社会科学部門

職名

准教授

メールアドレス

メールアドレス



ORCID  https://orcid.org/0000-0002-2088-1170

代表的な業績 【 表示 / 非表示

  • 【論文】 市場構造の変化を考慮したブランド選択モデルによる購買履歴データの解析   2013年03月

    【受賞】 2010年度統計関連学会連合大会コンペティション講演優秀報告賞  2010年09月

    【受賞】 日本マーケティング・サイエンス学会若手研究者発表セッション審査員特別賞  2005年12月

学歴 【 表示 / 非表示

  •  
    -
    2013年3月

    総合研究大学院大学   複合科学研究科   統計科学専攻   博士課程   修了

  •  
    -
    2009年9月

    カリフォルニア大学アーバイン校   インフォメーション・アンド・コンピュータ・サイエンス研究科   統計学専攻   修士課程(博士前期課程)   修了

  •  
    -
    2005年3月

    立教大学   社会学研究科   応用社会学専攻   修士課程(博士前期課程)   修了

  •  
    -
    2003年3月

    立教大学   社会学部   産業関係学科   卒業

学位 【 表示 / 非表示

  • 博士(学術) - 総合研究大学院大学

学内所属歴 【 表示 / 非表示

  • 2014年4月
    -
    現在

    専任   横浜国立大学   大学院国際社会科学研究院   国際社会科学部門   准教授  

  • 2013年4月
    -
    2014年3月

    専任   横浜国立大学   大学院国際社会科学研究院   国際社会科学部門   講師  

  • 2021年4月
    -
    現在

    併任   横浜国立大学   大学院先進実践学環   准教授  

  • 2017年4月
    -
    現在

    併任   横浜国立大学   経営学部   経営学科   マネジメント・サイエンス   准教授  

  • 2014年4月
    -
    現在

    併任   横浜国立大学   大学院国際社会科学府   経営学専攻   准教授  

全件表示 >>

学外略歴 【 表示 / 非表示

  • 2010年4月
    -
    2013年3月

      日本学術振興会   日本学術振興会特別研究員

所属学協会 【 表示 / 非表示

  • 2008年
    -
    現在
     

    INFORMS

  • 2008年
    -
    現在
     

    American Statistical Association

  • 2004年
    -
    現在
     

    日本マーケティング・サイエンス学会

  • 2009年
    -
    現在
     

    日本統計学会

  • 2016年6月
    -
    現在
     

    人工知能学会

全件表示 >>

研究分野 【 表示 / 非表示

  • 人文・社会 / 商学

 

著書 【 表示 / 非表示

  • Rで学ぶ統計データ分析

    本橋 永至( 担当: 単著)

    オーム社  2015年9月  ( ISBN:9784274217814

    Amazon

     詳細を見る

    総ページ数:262   記述言語:日本語 著書種別:教科書・概説・概論

論文 【 表示 / 非表示

  • スタッキングアルゴリズムを用いた特許拒絶理由類型の判別

    本橋永至, 髙橋省吾, 真鍋誠司, 鈴井智史, 井田英紀, 松井重明

    横浜経営研究   2022年3月

     詳細を見る

    記述言語:日本語   掲載種別:研究論文(大学,研究機関紀要)   共著  

  • アンサンブル学習とLDAの統合による動画広告効果の要因分析

    崎濱 栄治, 川崎 泰一, 本橋 永至

    人工知能学会論文誌   36 ( 3 )   1 - 8   2021年5月  [査読有り]

    DOI CiNii Research

     詳細を見る

    記述言語:日本語   掲載種別:研究論文(学術雑誌)   出版者・発行元:人工知能学会   共著  

    <p>With the widespread use of highly functional smartphones and the improvement of communication environments,video advertising is becoming widely used in the mobile advertising domain. When creators create videoadvertisements, if they know in advance the most effective components and combinations, they are more likely to beable to produce them more efficiently. For mobile ad images, [Sakihama 19b] interpreted the results of a click-rateprediction model using Gradient Boosted Decision Trees (GBDT) and Interpretable Trees (inTrees) [Deng 19].</p><p>In this paper, we propose a multimodal approach to analyzing the factors of advertising effectiveness, whichconsists of ad delivery logs, components of video ads, and text information. Specifically, we propose a method forverifying the effectiveness of video advertisements in mobile advertising based on computer vision and a method forsupporting the production of video advertisements using the modeling results of Latent Dirichlet Allocation (LDA),XgBoost [Chen 16], and defragTrees [Hara 18]. This method is expected to be faster and simpler than the oneproposed by [Sakihama 19b], and is likely to enable rule extraction. Computer vision and machine learning will enableautomatic feature extraction, identification of effective components and interactions, and contribution measurement.It is expected to be applied to a wide range of fields other than video advertising.</p>

    その他リンク: https://www.jstage.jst.go.jp/article/tjsai/36/3/36_36-3_B-K91/_pdf/-char/ja

  • 急激な環境変化に対するイノベーションの源泉としての創発的消費者― COVID-19のアウトブレイクにおけるソーシャルメディアの利用動向分析 ―

    西本 章宏, 勝又 壮太郎, 本橋 永至

    マーケティングジャーナル   40 ( 4 )   44 - 57   2021年3月  [査読有り]

    DOI CiNii Research

     詳細を見る

    記述言語:日本語   掲載種別:研究論文(学術雑誌)   出版者・発行元:日本マーケティング学会   共著  

    <p>本稿の目的は,COVID-19のアウトブレイクによって大きく市場環境が変化している今日のように,急激な環境変化による非連続な状況下において,次世代イノベーションの源泉として,創発的性質を有する消費者(ENCs)に着目する有用性を示すことである。本稿では,緊急事態宣言下を含むCOVID-19のアウトブレイク(第1波)を分析対象期間とし,消費者のスマートフォンのアプリ起動ログの収集と先端層調査を実施した。その結果,ENCsは同じ先端層であるリードユーザー(LUs)よりも環境変化に対して頑健であり,新しい生活様式に適応した消費者であることが明らかになった。また,ENCsのソーシャルメディアの利用動向はLUsや一般ユーザー(GUs)とは異なり,コロナ禍でも利用数は多いが,その変化量は少なった。このことから,ENCsは平常時からソーシャルメディアを他の消費者よりも広範かつ高頻度で利用している可能性が推察された。</p>

    その他リンク: https://ci.nii.ac.jp/naid/130008009636

  • コンピュータービジョンによる広告画像要素のクリック訴求効果の検証

    崎濱 栄治, 川崎 泰一, 本橋 永至

    応用統計学   48 ( 3 )   59 - 70   2020年3月  [査読有り]

    DOI

     詳細を見る

    記述言語:日本語   掲載種別:研究論文(学術雑誌)   出版者・発行元:応用統計学会   共著  

    その他リンク: https://ci.nii.ac.jp/naid/130007833658

  • 海外特許費用の統計的予測手法に関する研究

    髙橋 省吾, 真鍋 誠司, 本橋 永至, 岸本 重雄, 萩原 亨, 金 垠憲

    産学連携学   16 ( 1 )   35 - 43   2020年1月  [査読有り]

    DOI CiNii Research

     詳細を見る

    記述言語:日本語   掲載種別:研究論文(学術雑誌)   出版者・発行元:産学連携学会   共著  

    <p>海外特許取得に関連する費用は非常に高額であり,間接費として企業収益に大きな影響を及ぼすため,各企業は海外特許費用を管理し,次年度以降にかかる費用を予測して経営戦略に織り込む必要がある.しかるに,費用が発生する時期や回数も発明案件により区々であり,その予測は極めて困難である.このため,各企業は,例えば,前年度の実績を参考に当該年度の海外特許費用を予想するなどの単純な方法に頼らざるをえない.そこで,本研究は,海外特許費用,特に米国における特許費用を,より正確に推定する方法を見出すべく,複数の統計的予測手法を比較検討し,企業実務への適用を図ることを目的とし,研究を行なった.その結果,所定のアルゴリズムを用いて,複数の予測手法の中から状況に最も適した手法を選択することで,将来の海外特許費用をより高い精度で予測する方法を見出し,予測システムの開発に着手することができた.</p>

全件表示 >>

 

担当授業科目(学内) 【 表示 / 非表示

  • 2022年度   データサイエンス・ゼミナールⅡ

    経営学部

  • 2022年度   データサイエンス・ゼミナールⅠ

    経営学部

  • 2022年度   演習Ⅰb(博士前期)

    大学院国際社会科学府

  • 2022年度   演習Ⅰa(博士前期)

    大学院国際社会科学府

  • 2022年度   マーケティング・サイエンス

    経営学部

全件表示 >>