Papers - Kudo Yasuo

1. Relative pre-reducts for computing the relative reducts of large data sets

   Hajime Okawa, Yasuo Kudo, and Tetsuya Murai，International Journal of Approximate Reasoning，vol.187，Article Number:109544，2025.08

   

2. Vector-based rough sets

   Hajime Okawa, Yasuo Kudo, Tetsuya MUrai，Information Sciences，vol.717，Article Number:122331，2025.05

   

3. 可変精度ラフ集合におけるβ-縮約の改良とその計算

   中濱 慶紀, 大川 創, 工藤 康生, 村井 哲也，知能と情報（日本知能情報ファジィ学会誌），vol.37，(1)，(p.126 ～ 136)，2025.02

   

4. ヒト型化オセロAIのための思考とカーソル移動の時間的制御

   服部峻, 黒野真澄, 吉田裕太, 高原まどか, 工藤康生，情報処理学会論文誌　データベース，vol.16，(2)，(p.16 ～ 33)，2023.04

   

5. 個性除去を用いたツンデレキャラ型化チャットAIの対話応答制御

   服部峻, 森康汰, 高原まどか, 工藤康生，情報処理学会論文誌　データベース，vol.16，(2)，(p.34 ～ 49)，2023.04

   

6. 決定表の対象の更新に伴う相対縮約の再計算方法の改良

   橋本 祥奈, 大川 創, 工藤 康生, 村井 哲也，知能と情報（日本知能情報ファジィ学会誌），vol.35，(1)，(p.624 ～ 632)，2023.02

   

7. Educational Recommendation System Utilizing Learning Styles: A Systematic Literature Review

   Vivat Thongchotchat, Yasuo Kudo, Yoshifumi Okada, and Kazuhiko Sato，IEEE Access，vol.11，(p.8988 ～ 8999)，2023.01

   

8. Context-Enhanced Probabilistic Diffusion for Urban Point-of-Interest Recommendation

   Zhipeng Zhang, Mianxiong Dong, Kaoru Ota, Yao Zhang, and Yasuo Kudo，IEEE Transactions on Services Computing，vol.15，(6)，(p.3156 ～ 3169)，Article Number:22385859，2022.12

   

9. ラフ集合における擬一般化動的縮約の抽出手法の改良

   工藤　康生，高橋　智，村井　哲也，知能と情報（日本知能情報ファジィ学会誌），vol.32，(4)，(p.759 ～ 767)，2020.08

   

10. Improved covering-based collaborative filtering for new users' personalized recommendations

    Zhipeng Zhang, Yasuo Kudo, Tetsuya Murai, and Yonggong Ren，Knowledge and Information Systems，2020.03

    

11. Alleviating New User Cold-Start in User-Based Collaborative Filtering via Bipartite Network

    Zhipeng Zhang, Mianxiong Dong, Kaoru Ota, and Yasuo Kudo，IEEE Transactions on Computational Social Systems，vol.7，(3)，(p.672 ～ 685)，2020.03

    

12. Enhancing Recommendation Accuracy of Item-Based Collaborative Filtering via Item-Variance Weighting

    Zhi-Peng Zhang, Yasuo Kudo, Tetsuya Murai, and Yong-Gong Ren，Applied Sciences-Basel，vol.9，(9)，Article Number:1928，2019.05

    

13. Addressing Complete New Item Cold-Start Recommendation: A Niche Item-Based Collaborative Filtering via Interrelationship Mining

    Zhi-Peng Zhang, Yasuo Kudo, Tetsuya Murai, and Yong-Gong Ren，Applied Sciences-Basel，vol.9，(9)，Article Number:1894，2019.05

    

14. 関係性マイニングと協調フィルタリングを用いた情報推薦手法

    山脇 淳一, 工藤 康生, 村井 哲也， 日本感性工学会論文誌，vol.17，(4)，(p.481 ～ 488)，2018.08

    

15. Partial and paraconsistent approaches to future contingents in tense logic

    Seiki Akama, Tetsuya Murai, and Yasuo Kudo，Synthesis，vol.193，(11)，(p. 3639 ～ 3649)，2016.11

    

16. Neighbor selection for user-based collaborative filtering using covering-based rough sets

    Zhipeng Zhang, Yasuo Kudo, and Tetsuya Murai，Annals of Operations Research，(p.1 ～ 16)，2016.11

    

17. Rough-set-based Interrelationship Mining for Incomplete Decision Tables

    Yasuo Kudo and Tetsuya Murai，Journal of Advanced Computational Intelligence and Intelligent Informatics，vol.20，(5)，(p.712 ～ 720)，2016.09

    

18. Fuzzy Multisets in Granular Hierarchical Structures Generated from Free Monoids

    Tetsuya Murai, Sadaaki Miyamoto, Masahiro Inuiguchi, Yasuo Kudo, and Seiki Akama，Journal of Advanced Computational Intelligence and Intelligent Infomatics，vol.19，(1)，(p.43 ～ 50)，2015.01

    

19. Variable Neighborhood Model for Agent Control Introducing Accessibility Relations Between Agents with Linear Temporal Logic

    Seiki Ubukata, Tetsuya Murai, Yasuo Kudo, and Seiki Akama，Journal of Advanced Computational Intelligence and Intelligent Infomatics，vol.18，(6)，(p.937 ～ 945)，2014.11

    

20. A Formulation of Artificial Kansei Systems Based on Multi-agent Spaces Generated by Variable Neighborhood Models

    Seiki Ubukata, Yasuo Kudo, and Tetsuya Murai，International Journal of Affective Engineering，vol.13，(1)，(p.81 ～ 87)，2014.01