| Project/Area Number |
19K12125
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Gakushuin University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2019-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2019: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | コミュニティ抽出 / 特徴選択 / 二部グラフ / クラスタリング / 部分構造列挙 / 数え上げ / 二部クラスタリング / ネットワーク分析 / 行列分解 / 交差最小化 |
|---|
| Outline of Research at the Start |
本研究では、商品とその購入者などの２つのカテゴリから構成される対象間の関係を記録したデータから、商品グループとそれに対応する購入者層のようなまとまりを見つけ出す問題に取り組む（この問題を二部クラスタリングとよぶ）。このような２者間の関係を２部グラフと呼ばれる構造によって表現し、膨大なデータを対象に問題を効率よく解くための手法の開発に新たな視点で取り組むとともに、既存手法の数理的な解析と新たな応用を探る。
|
| Outline of Final Research Achievements |
Bipartite graph analysis, which represents relationships between different types of nodes such as users and items or social media users and words, is a versatile and fundamental problem setting. This research developed community structure analysis methods for bipartite graphs. We proposed a method utilizing convergence processes as features to address local optimum problems in existing median and centroid methods based on crossing minimization, reducing initial value dependency. Feature selection techniques achieved significant feature reduction and processing time improvement. We applied the methods across multiple domains including social media analysis of 8 million tweets and political analysis of 20-year election bulletin data. Through integration with hub structure removal and privacy protection technologies, we demonstrated practical applicability for large-scale bipartite graph data processing.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、SNSのユーザーと投稿内容、顧客と商品など、異なる種類の要素間の関係を分析する手法を開発した。従来手法の初期設定への依存や計算効率の問題を改善し、800万件のツイートデータや20年間の選挙公報データなど実社会の大規模データで有効性を検証した。この技術により、ネット上の話題の変化や政治家の主張の変遷を効率的に把握できるようになり、社会現象の理解や情報整理に役立つ。また、様々な分野の大規模データ解析における計算時間短縮が期待される。
|
