2019 Fiscal Year Research-status Report
対話型機械学習に基づく複合イベント処理ルールの生成
Project/Area Number |
18K11550
|
Research Institution | Prefectural University of Hiroshima |
Principal Investigator |
岡部 正幸 県立広島大学, 地域創生学部, 准教授 (50362330)
|
Project Period (FY) |
2018-04-01 – 2021-03-31
|
Keywords | イベント検知 / 時系列データ分類 / 複合時系列データ |
Outline of Annual Research Achievements |
2019年度は,イベント検知のための時系列データ分類アルゴリズムの研究を更に進めた.具体的には,前年度に構築したshapeletに基づく時系列データ分類アルゴリズムを複数の系列からなる時系列データ(複合時系列データ)に対応できるように拡張することを試みた.複合時系列データに対応させることで多様なイベントの検出が可能になることが期待される.拡張アルゴリズムでは,複合時系列データを構成する単独の時系列データそれぞれからshapeletを抽出し,それらの抽出されたshapelet集合を統合することにより複合時系列データを1つの特徴ベクトルで表現する.最終的な分類モデルはこの特徴ベクトルを用いて構築される.複合時系列データとして為替データや行動認識データを題材に構築アルゴリズムを適用したところ,単独データに基づいて判別する場合よりも分類精度が向上することが確認できた.また,実験ではshapelet集合の統合の方法として,個々の時系列データからshapelet集合をそれぞれ並列に抽出する方法と既に抽出済みのshapelet集合の情報を利用して新たな時系列データからshapelet集合を逐次的に抽出する2つの方法についての比較も行った.この結果,前者の並列に抽出する方法の方が個々の時系列データ固有の特徴を抽出できるため性能が高いことが分かった.このほか,構築したアルゴリズムにはshapeletのウィンドウ幅と抽出個数の指定が難しい,判定対象データや分類クラスによって個々の時系列データの重要度が異なること,shapelet抽出に要する計算コストが高いなどの課題があることも明らかになった.
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究が課題とするユーザの状態推定に基づくイベント検知については,本年度までにベースとなるアルゴリズムが構築できており,複合時系列データを活用したイベント検知の性能向上に向けたいくつかのアイデアを試している状況である.またイベント-アクションルールの生成と実行が可能な実システムの構築も同時に行っている.
|
Strategy for Future Research Activity |
イベント検知に関しては,概要で述べた課題の解決と複合時系列データからの検知性能の向上を目指す.特に行動認識データに焦点をあてアルゴリズム開発を行う.また,イベント-アクションルールの性能評価を様々な観点から行えるようにするため,人による評価を組み込むためのフレームワークの構築を行っていく.更にこれを実施するための実システムの構築も行っていく.
|
Causes of Carryover |
次年度使用額が生じた理由は,ストレージ用コンピュータの調達が間に合わなかったためであり,これを翌年度に調達予定である.
|