2019 Fiscal Year Research-status Report
Spatio-Temporal Data Mining for Real World Information Analysis
| Project/Area Number |
18K11320
|
|---|
| Research Institution | Hiroshima City University |
|---|
Principal Investigator |
田村 慶一 広島市立大学, 情報科学研究科, 教授 (80347616)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 時空間データマイニング / ソーシャルメディア / マルチモーダル / 深層学習 / 高性能データマイニング |
|---|
| Outline of Annual Research Achievements |
本研究では，ソーシャルメディア上で生成される時間，位置と内容（コンテンツ）を持つデータを時空間ソーシャルデータと呼び，実世界情報分析を実現するための時空間データマイニング技術の確立を目指す．そこで，複数のメディアを統一的に扱うために，複数のメディア（モーダル）間の関係を定義可能で，また，マルチモーダルデータを同一空間で扱うためのマルチモーダル特徴量空間，「何が，いつ，どこで発生し，どのように変化しているか」という事象の時空間的な推移を集約する技術，また，大規模データを対象とした高性能マイニング手法と可視化技術の開発を行う．
2019年度は昨年度の研究成果を踏まえて，オートキュレーション技術，大規模時空間ソーシャルデータの効率的な管理とその並列処理，時空間ソーシャルデータの情報可視化に取り組んだ．オートキュレーション技術に関しては，確率的グラフィカルモデルを用いてコンテツの重要度を算出し，重要なコンテンツをピックアップすることで事象の内容を自動要約するモデルを作成した．大規模時空間ソーシャルデータの効率的な管理とその並列処理に関しては，基盤となる時空間クラスタリングの高速化と，並列化可能な処理モデルを作成した．
また，マルチモーダル特徴量の基盤となる深層学習のモデルの改良を行い，ベンチマークデータを用いた結果，従来モデルよりも高精度であることを確認できた．さらに，空間時空間データのクラスタリング手法の高速化としてセルベースのDBSCANアルゴリズムの高速化に成功し，大規模な時空間データのクラスタリング手法として利用が期待できる．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初計画で予定をしていたオートキュレーション技術，大規模時空間ソーシャルデータの効率的な管理とその並列処理の2つの研究サブテーマについて実施を行い，基盤となる手法を開発することができた．一部であるが時空間ソーシャルデータの情報可視化の検討も始めている．また，論文誌1件と国際会議3件の成果発表も行うことができた．
|
| Strategy for Future Research Activity |
最終年度である2020年度は，時間，位置（経度，緯度）とコンテンツという4次元の軸を持つ時空間ソーシャルデータを可視化する効果的な方法とユーザインタフェースを作成し，ユーザに分かりやすく要約した情報を伝える可視化技術の開発を行う．また，総合的な評価と改良を行い，2018年度と2019年度に開発を行った各手法の完成度を上げていく．総合評価では，気象情報と観光イベントの事象分析を具体例にアプリケーションを作成し，評価を行う．研究成果については国際会議や雑誌論文誌に投稿を行い，研究成果を積極的に公表を行っていく予定である．
|
| Causes of Carryover |
論文誌に採択され，論文掲載料は2020年度に支払いを行う必要があり，また，６月に開催予定の国際会議に投稿予定で，参加費や旅費などの確保が必要であったため，次年度への使用が生じた．ただし，６月の国際会議は投稿を見送ったため，１０月開催の国際会議に投稿予定である．
|
