| 研究課題/領域番号 |
19J11125
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分60080:データベース関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
川畑 光希 大阪大学, 情報科学研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2019-04-25 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,100千円 (直接経費: 2,100千円)
2020年度: 1,000千円 (直接経費: 1,000千円)
2019年度: 1,100千円 (直接経費: 1,100千円)
|
|---|
| キーワード | 時系列解析 / データストリーム / 非線形動的システム / データマイニング / ビッグデータ / 時系列データ / 将来予測 |
|---|
| 研究開始時の研究の概要 |
近年、産業やWebなどの様々な応用分野でIoTビッグデータが蓄積され、異常検知やユーザの行動予測を始めとする、より高度なサービスへの活用が期待されている。本研究では、そのような不規則に生じるイベントの発生を予測するために、大規模時系列データとイベントログデータを統合的に扱い、時系列パターンとそれらの因果関係のモデル化、および、イベントの要因分析を行うための高度なマイニングアルゴリズムを開発する。
|
| 研究実績の概要 |
本年度は、高次元時系列データストリームのための新たな非線形動的システムを開発し、時系列パターン解析の高度化、高速化に成功した。提案モデルは、地域、キーワード、時間の3つ組に対する検索数などのテンソルデータに含まれる非線形動的パターンと周期パターンを柔軟に表現し、抽出した時系列パターンの特徴に基づいて地域のグループ化を行うことができる。また、複雑な非線形動的システムを効果的に推定するため、貪欲法に基づく効率的かつ自動的な推定アルゴリズムを開発した。評価実験では、複数の国、キーワードに対するGoogle検索数のリアルタイム予測を行い、提案手法が従来手法に比べ高い精度であることを示した。提案手法は、テンソルデータに含まれる時系列パターンの理解や要因分析の精度改善に大きく貢献するものと考えられる。本年度の研究成果は、データマイニングに関する難関国際会議であるACM SIGKDDに採択された。
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
