2018 Fiscal Year Annual Research Report
Study of Selection of Model and Proposal of New Method Considering Attribute of Large Complex Data
| Project/Area Number |
16K00052
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
中山 厚穂 首都大学東京, 経営学研究科, 准教授 (60434198)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 大規模データ / 多相多元データ / スパースデータ / 非対称データ / 次元縮約 / クラスタリング / 多次元尺度構成法 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，複数の情報が組み合わされた構造や形式が複雑で大規模なデータの特性に適した解析のための方法論の構築と適切な解析法の選択法の提案を目指して研究を実施した．その際に，まず，多相多元データの圧縮・分割，対称化についての是非についての検討を行った．これまでの研究においてはこのような検討は行われることは少ない．多相多元データの圧縮・分割，対称化についての是非のための適切な方法論の構築を行い，多相多元データや非対称データを分析することのニーズが高まっている複雑な社会現象や心理現象を扱う学問分野あるいは応用分野への貢献を目指して研究を行った．大規模複雑データを分析する際の適切な手法の選択法についての研究では，データがスパースであり大規模というデータの特性に注目した研究を，Nakayama (2018a)，Nakayama (2018b)，Nakayama, Paliwoda, and Smolak (2019)ではTwitterの書き込みデータを対象として研究を実施した．これらの研究を通じて大規模複雑データから有益な知識を抽出するためなの解析法の構築や提案を行った．また，Nakayam and Baier (2018a)やNakayam and Baier (2019)ではWeb上の画像や動画データを対象としてニューラルネットワークを用いた研究を行った．研究を行った．その成果をもとにブランド間のイメージの関連性の解明のための応用を目指した．そして，多相多元データの特性を考慮した研究については，Nakayam and Baier (2018b)においてThree-mode Dataを分析するためのTwo-mode Overlapping Clusteringについての研究を行った．得られた知見をもとに，オンラインショッピングのサイト改善のための提言を行った．
|
