| Research Abstract |
本年度は,(1)マルチエージェントラフ集合の定義,(2)共通見解の抽出法,(3)類似度に基づくクラスタリング法の開発を主に行った.(1)マルチエージェントラフ集合の定義においては,決定表で評価されている対象が異なることから,未評価パターンの評価値を推定する場合と推定しない場合の2通りが考えられる.推定する場合には,支持度に基づく上限推定法を提案しているが,どのような推定法がよいかを議論している.推定しない場合には,評価値のある決定表のみを用いて支持度が定められる.(2)共通見解の抽出法として,マルチエージェントラフ集合に基づくルール抽出法を考察した.決定表に基づく方法では,厳密なルールが抽出できないので,十分条件に基づくルール,必要条件に基づくルール,近似条件に基づくルールの3種類のルール群の抽出法を提案した.二つの論文において,これらの成果を発表している.(3)類似度に基づくクラスタリング法の開発では,決定表のクラスター代表を定義し,各決定表のクラスター代表への意見反映度の平均として,決定表間および決定表のクラスター間の類似度を定義した.この類似度の性質を吟味し,クラスタリングに用いる上での好ましくない点を明らかにし,いくつかの対処法を示した.アンケート調査により得られた複数の決定表(個人見解)にこれらの対処法を適用し,いずれが妥当であるかを,各クラスター内での意見の一致度,樹形図の安定性の面から比較・検討した.その結果,頻度を2乗もしくは3乗してクラスター代表を定めた類似度が良好であることがわかった.この成果の一部を,紀要および国際会議で発表した.類似度の定義は,エントロピーに基づく方法など,他の方法も考えられる.これらの考察は今後の課題である.
|
