| 研究課題/領域番号 |
21H04600
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分25:社会システム工学、安全工学、防災工学およびその関連分野
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
後藤 正幸 早稲田大学, 理工学術院, 教授 (40287967)
|
|---|
| 研究分担者 |
上田 雅夫 横浜市立大学, データサイエンス学部, 教授 (20755087)
守口 剛 早稲田大学, 商学学術院, 教授 (70298066)
関 庸一 群馬大学, 情報学部, 教授 (90196949)
鈴木 秀男 慶應義塾大学, 理工学部(矢上), 教授 (10282328)
生田目 崇 中央大学, 理工学部, 教授 (10318222)
小林 学 早稲田大学, データ科学センター, 教授 (80308204)
三川 健太 東京都市大学, メディア情報学部, 准教授 (40707733)
山下 遥 上智大学, 理工学部, 准教授 (90754797)
|
|---|
| 研究期間 (年度) |
2021-04-05 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
41,860千円 (直接経費: 32,200千円、間接経費: 9,660千円)
2023年度: 10,010千円 (直接経費: 7,700千円、間接経費: 2,310千円)
2022年度: 9,750千円 (直接経費: 7,500千円、間接経費: 2,250千円)
2021年度: 11,310千円 (直接経費: 8,700千円、間接経費: 2,610千円)
|
|---|
| キーワード | データ駆動型社会 / 機械学習 / 人工知能 / 実験計画 / 因果推論 / 施策効果 / マーケティング施策 / 効果検証 |
|---|
| 研究開始時の研究の概要 |
本研究では，大規模データから得られる機械学習モデルを駆使し，効率的な仮説発見と共に，可能な限り少ない追加実験で最適と考えられる施策を推定可能な「データ駆動型の実験計画と評価の技術」を開発する．これにより，選択バイアスを有するデータから得られる機械学習モデルを活用し，最小限の実験コストでマーケティングなどの施策最適化に結び付けることを可能とする「統計モデリングと実験計画を統合した最適化手法」の確立を目指す．これはデータ駆動型社会の基盤をなす技術として位置づけられ，実務的にも大変重要で適用範囲が広いことに加えて，学術的にも新たな分野を切り開く可能性が高いテーマである．
|
| 研究成果の概要 |
本研究は，大規模データから得られる機械学習モデルをベースとし，可能な限り少ない追加実験の計画により，最適と考えられる施策を評価することが可能な「データ駆動型実験計画法」の方法論の開発が目的である．機械学習のような先進的なデータ分析技術を最大限に援用しつつ，ビジネス施策最適化に結び付けることが可能な「統計モデリングと実験計画を統合した最適化手法」の確立を目指した．
本研究では，実ビジネスのための機械学習モデル活用技術，機械学習モデルを活用した施策実験の計画手法，施策実験で得られたデータからの施策効果の推定手法など，ビジネスアナリティクス領域における先進的な機械学習モデルの活用技術を示している．
|
| 研究成果の学術的意義や社会的意義 |
近年高度に発展したAIや機械学習の技術をビジネス領域で活用しようとする機運は高まっているものの，現状はその大きな可能性への期待が先行している段階であり，ビジネスアナリティクスビジネス領域になおける真の活用へ向けた取り組みが活発になっている．本研究では，大規模な過去の学習データを学んだ機械学習モデルを駆使して，積極的な施策実験デザインを通じて，新たに取得するべき実験データを明らかにしようとしており，観察データ・実験データという観点から機械学習モデルの活用技術を高度化している点が特徴である．このアプローチの応用範囲は極めて広く，多方面への波及効果が大きい研究成果である．
|
