2020 Fiscal Year Annual Research Report
Development of Methods for Social Information Analysis and Behavior Prediction Based on Web Information
| Project/Area Number |
18H03245
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
田島 敬史 京都大学, 情報学研究科, 教授 (60283876)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
櫻井 保志 大阪大学, 産業科学研究所, 教授 (30466411)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 時間依存情報 / 検索結果多様化 / 時系列ビッグデータ / リアルタイムAI技術 / 予測 / 特徴抽出 |
|---|
| Outline of Annual Research Achievements |
Web上からの情報収集に関しては，昨年度に引き続き，ソーシャルネットワーク上の情報を時間依存の情報と時間非依存の情報とに区別するために，情報の有効期限を推定する技術を開発した．また，現在，ソーシャルネットワーク上の情報の流れには，ソーシャルネットワークサービス側からの推薦機能が大きな影響を与えている．そこで，ソーシャルネットワークサービス上の活動の時間的変化の予測技術の一部として，これらの推薦機能がソーシャルネットワーク上の活動の時間的変化へ与える影響についての分析を行い，特に，コンテンツの類似度に基づく推薦と人間関係のつながりに基づく推薦のそれぞれが，ソーシャルネットワーク上のつながりにどのような影響を与えるかについて明らかにした．
また，時系列ビッグデータ解析の取り組みに関しては，Web情報など大規模な時系列データストリームに対し，時系列モデル間の関係性を捉え，非線形方程式に基づいてモデル化し，将来予測を高速かつ完全自動で行う新技術を開発した．研究成果はデータマイニングの最難関トップ国際会議であるKDD2020において発表した．提案手法は時間，地域，キーワードのように複数の属性を持つテンソルデータストリームが与えられたとき，最新の観測データを監視しながら潜在的なトレンドを発見し，適応的にモデルを変化させながら長期先のデータを予測し続けることを可能とする。非線形ダイナミクスと地域間の特徴を多角的に解析することにより，計算速度のみならず予測精度においても既存手法より優れた性能を示している。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
