研究課題/領域番号 |
18K11550
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分62020:ウェブ情報学およびサービス情報学関連
|
研究機関 | 県立広島大学 |
研究代表者 |
岡部 正幸 県立広島大学, 地域創生学部, 准教授 (50362330)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | ストリームデータ分類 / 対話型機械学習 / 時系列データ分類 / n-gramカーネル / マルチカーネル学習 / イベント検知 / 複合時系列データ / shapelet / 複合イベント処理 |
研究成果の概要 |
本研究では,複合イベント処理におけるイベント-アクションルールの生成を対話型機械学習に基づいて高品質かつ効率的に行う方法について提案した.提案手法は主に次の2点からなる.1つ目は高性能なイベント検知方法の提案である.この研究ではShapeletと呼ばれる特徴的な時間変動に基づくデータ分類方法をベースに,Shapelet間の順序情報を追加することにより精度を向上させる方法を提案した.2つ目は効率的なルール選択方法の提案である.この研究では,同等の品質をもつ複数のルールがあった場合に,精度と妥当性の高いルールをランキング形式でユーザに提示することにより対話的に効率よく選択する方法を提案した.
|
研究成果の学術的意義や社会的意義 |
本研究の成果におけるShapeletの順序情報を考慮したストリームデータ分類方法は判定モデルがどのような時間変動に基づいて分類を行っているのか解釈しやすいという利点を維持しつつ,精度を向上させている点が従来にはなく学術的意義が高い.また,提案方法ではルール形式でモデルを生成できるため,複合イベント処理システムにおけるイベント-アクションルールとしての実装も容易になると考えられる.一方,効率的なルール選択方法の提案については,従来型システムでは多大な時間と労力を必要とした作業を機械学習の利用により軽減できる可能性があり,実システムにおける利用が期待される.
|