Project/Area Number |
23K13519
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 25010:Social systems engineering-related
|
Research Institution | Tokyo City University |
Principal Investigator |
三川 健太 東京都市大学, メディア情報学部, 准教授 (40707733)
|
Project Period (FY) |
2023-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
Keywords | 関係データ / 確率的潜在構造分析 / 機械学習 / データ解析 |
Outline of Research at the Start |
近年,ビジネス活動におけるアプローチの一つとして関係データに対する分析が存在する.一方,企業などでは関係データのみならず,データ自身の属性情報が蓄積されていることも多いものの,これらを活用した分析法は少ない.すなわち,属性情報を活用した関係データ分析モデルは,新たなデータ取得コストを必要とすることなく,より詳細な分析を可能とすることが期待される. そこで本研究では,属性情報を用いた新たな関係データ分析モデルの開発とそのマーケティング分析への適用を行うことを目的とする.本研究課題は実務的にも広く活用可能な技術となることに加え,機械学習領域においても新たな分野を切り開く可能性が高いテーマである
|
Outline of Annual Research Achievements |
本研究の目的は,マーケティング分析のための属性情報を活用した関係データ分析モデルの開発と評価である.これにより,実務家の意思決定に有効となるマーケティング分析法の構築を図る.このために,属性情報を活用した関係データ分析モデルの構築を行う. このうち,2023年度は当初の目的通り,研究開始以前に提案していた分析モデル(以下,従来モデル)の改良,ならびに新たな分析モデルの提案とモデルの評価を行った.従来モデルの改良については,その潜在構造が単一のブロックからのみで構成されていた従来モデルに対し,提案モデルでは複数のブロックから構成されることを仮定した新たな潜在構造モデルについて,その構築ならびにパラメータ推定法の提案を行った.また,新たな分析モデルとして,入力データ間の関係性が従来モデルとは異なり,質的変数で与えられている場合の分析モデルの検討を実施した.当該モデルでは,入力データの形式が従来モデルとは異なることから既存のパラメータ推定法を利用することができないため,新たな推定のための方法論について検討を行い,真のパラメータを精度良く推定できることを示した.これらのモデルを対象に人工データを利用したパラメータ推定精度の変化について,データ数や入力データの次元数,アルゴリズムの繰り返し回数などを変化させることにより,どのように変化していくかを定量的に示した.提案した内容の一部は国際会議で発表を行うとともに,論文として投稿を行い,採録が決定した. これらは2024年度以降に実施する,大規模実データを対象とした関係データ分析手法において,その理論的根拠の基礎を与え,分析可能データを拡充するものであり,より広いデータを対象とした分析を行うために必要な内容であると考える.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究課題の2023年度のスケジュールとしては,「分析モデルの検討,改良」ならびに「モデルの理論評価」,「シミュレーション実験」をそれぞれ実施するものとしていた.前述の通り,各々の項目について申請前に想定していたものと同程度の研究成果を出せていると認識している.人工データを対象とした実験については十分な結果が得られている一方で,実データを用いたシミュレーション実験については対象とするデータセットの選定に時間を要している.このため,本提案モデルの有効性を検討可能な大規模実データは現状では発見,選定ができておらず,既存の大規模実データを流用することで,性能評価,シミュレーション実験を行っている. 上記の理由により,研究活動については概ね順調に進展していると考えているものの,データ取得については課題が存在していると言え,次年度以降,優先的に解決する課題としたい.
|
Strategy for Future Research Activity |
2023年度の研究活動が順調に推移したことから,2024年度以降も申請時に記載した研究計画に則って研究を進めていく予定である. 具体的には,2024年度はこれまでに提案してきたモデルの応用方法について検討を行い,提案モデルの出力する結果から実務家にとって有益な情報を抽出するための方法論について検討を行っていく予定である.加えて,これまでに提案してきた各種モデルについても改良の余地があるため,並行してその検討,シミュレーション実験などを行なう.また,前述の通り,分析に必要な大規模実データ(属性情報を保持している関係データ)の探索,取得のために時間が必要となると考えている.このため,これまで以上に広くデータを探索し,提案モデルの性能評価を行えるようにする予定である.これらにより,提案モデルを利用した多角的な分析を可能とするよう検討を進めていく.また,継続して研究成果をあげるため,論文投稿,国際会議での発表などに積極的に参加,議論を行うことで研究内容の向上を目指す. これらを踏まえ,最終年度となる2025年度については大規模実データを対象とした分析を行い,構築してきたモデルの性能,使い分けなどについて検討を行う予定である.
|