アイテムの比較やランキングデータが多数与えられたとき、一つ一つのアイテムが潜在的に持つ 価値を決定する問題は、心理学、経済学、政治学などの分野で古くから研究が行われているが、 近年機械学習の分野でも注目されている。 Plackett-Luceモデルはアイテムへのランキングの確率モデルであり、アイテム一つ一つに 多項分布のパラメタを割り当ててアイテム選択のプロセスを説明する。 本発表では、映画評の生成プロセスに注目し、Plackett-Luceの一般化として グループ化ランキングモデルを提案する。このモデルの尤度関数を直接評価することは 困難であるため、尤度関数の下界を与え、emアルゴリズムを用いて近似的に下界の 最大化を行うことでパラメタ推定を行う。 Toy exampleに対する実験結果と、映画評データに対する適用結果を紹介する。 時間が許せば、個人の嗜好に基づくパラメタの推定と、協調フィルタリングへの 応用についても言及する。