多モードファジィ共クラスタリングと高度推薦システムへの応用に関する研究
Project/Area Number |
18K11474
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 61040:Soft computing-related
|
Research Institution | Osaka Metropolitan University (2022) Osaka Prefecture University (2018-2021) |
Principal Investigator |
本多 克宏 大阪公立大学, 大学院情報学研究科, 教授 (80332964)
|
Co-Investigator(Kenkyū-buntansha) |
生方 誠希 大阪公立大学, 大学院情報学研究科, 准教授 (10755698)
野津 亮 大阪公立大学, 大学院現代システム科学研究科, 教授 (40405345)
|
Project Period (FY) |
2018-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2019: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2018: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
Keywords | 共クラスタリング / ファジィクラスタリング / 意思決定支援 / 文書解析 / 共起関係データ分析 / ソフトコンピューティング / データマイニング |
Outline of Annual Research Achievements |
本研究では,多モード・多ソースからの共起関係データに内在する共クラスター構造の抽出に主眼を置き,関連性の強い多モード要素の対の抽出やソース間のプライバシー保護のための手法開発を目的としている.理論的・応用的側面の両面についての展開として,以下の成果を上げた. (1) 多モードの関連性行列からのクラスター抽出の手法の高度化として,Bezdek型のファジィ化法の導入による初期値依存性の軽減手法やクラスターコア抽出によるノイズへのロバスト化手法を開発し,可用性の高いデータ解析アプローチを実現した.これらの成果について,2件の国内学会発表を行ったほか,2021年度にJournal of Advanced Computational Intelligence and Intelligent Informatics誌で掲載された3モードファジィ共クラスタリングに関する学術誌論文に対して2022年度最優秀論文賞を受賞した. (2) 多ソースからのデータにおける関連性分析を目標に,ファジィクラスタリングに基づく局所的データ解析法の高性能化手法を開発し,商品推薦データや環境観測データの分析における有効性を確認した.これらの成果について,1件の国際会議における招待講演および3件の国内学会発表を行った. (3) ファジィ共クラスタリングの理論的基盤の展開として,組織横断型データの局所的主成分分析における欠測値処理モデルを開発した.(1)や(2)で開発した理論モデルを実データへ適用する際のモデル改良に必要となる知見が得られた.これらの成果について,1件の国際会議発表および1件の国内学会発表を行った.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
第2~4年度に続いて理論的・応用的側面の両面についての展開を図った第5年度としては,当初の研究の目的をおおむね達成する成果を得た.以下に,個別の課題における達成状況を述べる. (1) 3モードの共起関係データの活用にかかる課題では,ファジィ化法の改良やクラスターコアの抽出により初期値依存性を軽減するモデルの開発を実現した.これらの成果は,当初の目的である「多モードファジィ共クラスタリング」に「アルゴリズムにおける初期値依存性の軽減」を確立する展開を達成しており,当初に想定した目標を完全に達成するものであった. (2) 多モードデータを活用した推薦モデル開発にかかる課題では,ノイズに頑健な局所的データ解析モデルの概念の融合を通して,実世界のベンチマークデータを用いた分析の安定性向上としての有効性を確認しており,応用展開の可能性が高まったことから,想定するレベルに達する成果が得られた. (3) その他の展開としては,分散データベース分析でのプライバシー保護と欠測値の処理の同時対処を実現するなど,実世界の多モード共起関係データの解析性能の向上に寄与する展開も示されており,目標とするレベルをおおむね達した成果が得られたといえる.
|
Strategy for Future Research Activity |
第4年度終了時点の想定では,第5年度は応用的側面の展開も含めて実証実験を充実させて,成果を国内外の学術会議や学術雑誌で発表することで関連研究者との議論を通した高度な展開の模索を主たる目標としていたが,感染症の流行等の影響で学術会議の中止や開催形態の変更が引き続いて起こったことなどから,応用展開の方向性の模索が遅れたことから,補助事業期間を延長して,実応用展開を指向した実証実験を伴う成果発表につなげる.第5年度の成果として,多モード・多ソースデータの活用による情報補完の有効性が確認されており,引き続いて実用性の検証を通して種々の応用展開が期待できる.
|
Report
(5 results)
Research Products
(58 results)