2022 Fiscal Year Annual Research Report
時系列ビッグデータストリームの複合モデリングに関する研究
| Project/Area Number |
21H03446
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
松原 靖子 大阪大学, 産業科学研究所, 准教授 (00721739)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
櫻井 保志 大阪大学, 産業科学研究所, 教授 (30466411)
田島 敬史 京都大学, 情報学研究科, 教授 (60283876)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | データマイニング / ビッグデータ / リアルタイム予測 / 非線形テンソル解析 / Web情報解析 / 非線形時系列解析 |
|---|
| Outline of Annual Research Achievements |
本研究では、IoTデバイス、Web上のオンライン活動等、様々なドメインから生成される多種多様な時系列ビッグデータストリームを高速学習し、要因分析・予測することにより、イベント予知や動向分析等の有用な情報提供をリアルタイムに行うための技術基盤を開発することを目的とする。研究代表者らがこれまでに開発した時系列解析技術を発展させ、既存の深層学習に基づく技術では実現できなかった高速かつ高精度の予測や、リアルタイム学習と情報出力、要因分析や結果 説明を可能とする革新的な解析技術を確立する。
本年度は、時系列ビッグデータストリームの複合モデリングに関する研究理論の開発を行い、KDD2022、CIKM2022等のトップ国際会議でに研究発表を行った。また、WWW2023において2件の論文採録が決定した。また、本年度は本研究に関し、複数の共同研究を実施し、本研究の要素技術の社会実装に向けた取り組みを行なった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は、さまざまな時系列ビッグデータストリームに対し複雑な動的パターンを表現するための複合モデリング技術を開発し、それらの成果に基づき、国内外において研究発表を行った。 研究論文に関しては、データマイニングの分野のトップ国際会議であるACM SIGKDD2022, CIKM2022等での発表をするとともに、Web分野のトップ国際会議であるWWW 2023への採録が決定し、国際的にインパクトの高い研究成果となった。また、社会実装に向けた取り組みとして、産学連携による技術移転に向けた取り組みと要素技術の特許化を行った。
|
| Strategy for Future Research Activity |
本年度において開発した時系列ビッグデータストリームの複合間モデリング技術は、さまざまな多属性時系列データストリームに対し、複雑な動的パターンを高精度かつ高速に表現することができる。また、既存手法と比較しより多様かつ複雑な時系列パターンを表現する能力を有する。今後は、さらに高度な時系列データとして，高次元データや数値データのみならずカテゴリカルな値を付与された時系列データ等のモデル表現についても検討し、より柔軟にオンライン時系列ビッグデータを解析できる基盤技術を開発する。
|
