2020 Fiscal Year Annual Research Report
多階層グラフ構造に着目したソーシャルセンサネットワークの構築
| Project/Area Number |
19H04096
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
松田 崇弘 東京都立大学, システムデザイン研究科, 教授 (50314381)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
會田 雅樹 東京都立大学, システムデザイン研究科, 教授 (60404935)
塩田 茂雄 千葉大学, 大学院工学研究院, 教授 (70334167)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | グラフ構造 / ソーシャルネットワーク / 多階層 |
|---|
| Outline of Annual Research Achievements |
本研究では，(1)SNSによるセンシングデータ観測機構の構築，(2)観測値と環境情報のマッピング手法の確立，(3)物理グラフ構造を考慮した環境情報推定手法の確立という3つの研究テーマに分けて研究を進めてきた．
研究テーマ(1)では， SNSのユーザ間の論理グラフにおける情報伝搬の仕組みを解明し，ソーシャルセンサネットワーク上の論理グラフ構造における情報伝搬モデルを構築する．2020年度の研究では，ユーザ間の影響がSNSの論理グラフ上を有限速度で伝播するという性質を利用し，ネットワーク上の波動方程式の解が特異点の構造を保つことを利用して，ソーシャルセンサネットワーク上の論理グラフ構造を推定するための基礎技術を検討した．
研究テーマ(2)では，位置情報付きツイートの割合を実データにより分析し，緯度・経度やエリア名などの位置情報が付与されたツイートの割合は高々10パーセント程度であることを確認した．このため，代替手段としてデータの特徴からデータの取得位置を間接推定する手法について検討した．また，リツイートはフォロワー／フォロイー関係よりも，まとめサイト等を介して広がっている可能性が高いことを実データに基づいて実証するとともに，SNS上の合意形成の仕組みについて，数理モデルによる基礎検討を行った．
研究テーマ(3)では，物理グラフ構造を考慮した環境情報推定手法について検討している．2020年度は，環境情報推定手法の具体的な応用技術として，モバイルユーザ密度の空間分布を用いたドローン基地局の動的配置手法について検討し，グラフラプラシアンを用いたモバイルユーザ密度分布の推定手法を提案した．提案手法では，モバイルユーザ密度が空間的に強い相関性を持つという性質を想定し，観測地点間のグラフ構造によりユーザ密度が観測されていない地点でのユーザ密度を推定することができる．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では，(1)SNSによるセンシングデータ観測機構の構築，(2)観測値と環境情報のマッピング手法の確立，(3)物理グラフ構造を考慮した環境情報推定手法の確立という3つの研究テーマに分けて研究を進めている．各テーマの進捗は以下の通りである．
研究テーマ（1）では， SNSの論理グラフ構造を観測するための基礎技術の検討を進めると共に，ユーザの振る舞いによってネットワーク構造が変化する仕組みについても基礎的なモデルを構築することができた．
研究テーマ（2）では，SNS上の大半のデータは地理情報を含まないことを，実データに基づいて検証するとともに，データの特徴からデータの位置情報を間接推定する手法について一定の見通しを得た．またリツイートの伝搬特性やSNS上の合意形成過程に関する新たな知見を得た．
研究テーマ(3)では，モバイルユーザ密度推定を具体的な環境情報推定手法の応用として適用し，シミュレーション実験によりその有効性を確認することができた．また，観測地点を段階的に配置することにより，効率的な推定手法を実現することもできた．
以上より，本研究は当初の目的通り概ね順調に進展している．
|
| Strategy for Future Research Activity |
今後は以下の点について研究を進める予定である．
研究テーマ(1)では，2020年度に構築したモデルを発展させ，SNSの論理ネットワーク構造の推定技術を検討すると共に，ユーザの振る舞いに起因する論理ネットワークの構造変化モデルを構築する．また，それに伴うユーザダイナミクスの特性についても検討する．
研究テーマ(2)では，形態素解析等により各ツイートから位置情報を抽出する手法の有効性について検討する．また，観測値の類似度から，観測が行われた地点同士の相対的な位置関係を推定し，各観測値に相対位置情報を付与することで，詳細な環境情報を得る技術についても検討する．
研究テーマ(3)では，地図情報を元にモバイルユーザのより現実的な移動モデルを構築し，2020年度に検討したモバイルユーザ密度推定手法の有効性を確認する．また，モバイルユーザ密度分布が動的に大きく変動する場合の提案手法の有効性についても確認する．
|
