有用な仮説の自動探索・検証の高速化に関する研究

2018 年度 研究成果報告書

• 研究課題/領域番号: 16K00154
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 研究分野: マルチメディア・データベース
• 研究機関: 大阪大学
• 研究代表者: 鬼塚 真 大阪大学, 情報科学研究科, 教授 (60726165)
• 研究協力者: 佐々木 勇和 ; 山室 健
• 研究期間 (年度): 2016-04-01 – 2019-03-31
• キーワード: 探索的データ分析 / OLAP分析 / データマイニング

研究成果の概要

例外的なトレンドを探索するため，LOFを用いて例外的なOLAP分析結果を探索する方法を提案し，更にOLAP分析結果をグリッド分割することで，高速に例外OLAP分析結果を探索するアルゴリズムを開発した．提案手法では，信頼区間推定技術に基づいて各部分データの例外度の上限・下限を推定し，例外度上位 n 件に入り得ない部分データを探索処理の途中で足切りすることにより，効率的に局所例外部分データを特定する．評価実験の結果，提案手法は，既存の局所例外部分データ探索手法の探索時間を最大 84% 削減することに成功し，更にデータサイズに対するスケーラビリティを有していることを確認した．

自由記述の分野

データマイニング

研究成果の学術的意義や社会的意義

探索的データ分析の領域において，LOFを用いて例外的なOLAP分析結果を探索する方法は斬新なアイデアであり，且つ高速な探索を実現するためグリッド分割および信頼区間推定技術を組み合わせることで高スケーラビリティを達成した．論文誌1件採択，国際ワークショップ2件採択，表彰3件を受賞した（その他，国内シンポジウム5件）．社会的意義としては，本技術を利用することで多様かつ大規模なデータに対して高速に有益な仮説の探索・検証が可能になるため，データサイエンティストを要せずビッグデータ解析が可能となる．現在，国立天文台と連携して超新星の発見応用に適用する準備を進めている段階であり，更なる発展が期待できる．