| 研究課題/領域番号 |
16K12430
|
|---|
| 研究機関 | 熊本大学 |
|---|
研究代表者 |
櫻井 保志 熊本大学, 大学院先端科学研究部(工), 教授 (30466411)
|
|---|
| 研究分担者 |
田島 敬史 京都大学, 情報学研究科, 教授 (60283876)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | Web情報解析 / 非線形テンソル解析 / ビッグデータ / 要因分析 |
|---|
| 研究実績の概要 |
近年のIT技術の急速な発展により、Web空間ではデータ量が飛躍的に増大し、そして現在FacebookやTwitterなどの巨大なソーシャルネットワーク上では、日々大量の情報が高速に流通している。このようなWeb情報の時間発展の解析は、特定のビジネスのみならず、社会経済の活性化、環境、防災やエネルギーなど、重要な社会問題を解決するための効果的なアプローチとして期待されている。本研究では、オンラインアクティビティのダイナミクスを複合的に捉えるための高度な時系列解析技術を開発する。
本研究で扱うオンラインアクティビティデータは、Web上での特定の対象、すなわちアクティビティの時間発展を捉えるための情報であり、さらに場所などの情報を含み、(activity, time, location) のように構成される要素の一連のシーケンスとして表現される複合データである。
平成29年度は、オンラインアクティビティの複合データを解析、予測するためのモデル学習の研究に取り組んだ。時系列予測手法については、国内外において研究発表を活発に行った。オンラインアクティビティデータのオンライン学習手法を考案し、技術評価を行った。研究成果として、最難関トップ国際雑誌であるACM Transactions on the Web (TWEB)、Springerの国際雑誌WWW Journalにそれぞれ論文が採択されるとともに、データマイニングのトップ国際会議であるKDD 2017において3時間のチュートリアル講演に採択された。さらに国内では2017年度電子情報通信学会論文賞を受賞した。
さらにこれまでの予測技術をさらに発展させ、時系列ビッグデータの要因分析技術を開発した。連続値の時系列データと、離散値イベント（もしくはイベント系列）との間に存在する関係性、因果関係を抽出することを可能とする。今後、ソーシャルメディアデータを用いて実証実験を行う予定である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、オンラインアクティビティデータのオンライン学習手法を考案し、技術評価を行った。研究成果として、最難関トップ国際雑誌であるACM Transactions on the Web (TWEB)、Springerの国際雑誌WWW Journalにそれぞれ論文が採択されるとともに、データマイニングのトップ国際会議であるKDD 2017において3時間のチュートリアル講演に採択された。さらに国内では2017年度電子情報通信学会論文賞を受賞した。国内外においてインパクトの高い研究成果となった。
|
| 今後の研究の推進方策 |
今年度開発した新技術は時系列ビッグデータの要因分析を行うことができ、これまでの本研究による予測技術をさらに発展させたものである。連続値の時系列データと、離散値イベント（もしくはイベント系列）との間に存在する関係性、因果関係を抽出することを可能とする。提案アルゴリズムは、時系列パターンの検出と分類モデルの更新を交互に繰り返す斬新な手法であり、従来より大幅な予測精度の向上を達成するとともに、従来手法では発見できないイベントの発生要因をとらえることができる。開発技術をWeb情報に適用することにより、社会行動の要因や関係性をとらえることができると考えられ、今後、ソーシャルメディアデータを用いて実証実験を行う予定である。これにより、例えば特定の商品の人気上昇（下落）を事前に察知、予測するなど社会動向や集団行動を解析することが可能となる。
|
| 次年度使用額が生じた理由 |
理由：平成29年度は学習アルゴリズムなど、主として理論的研究に専念した。平成30年度にはシステム開発と実証実験を実施する予定であり、実験設備の購入や実験補助者の雇用など、金額の大きな支出は平成30年度に予定している。
使用計画：平成30年度に実証実験を予定しており、実験設備の購入と実験補助者の雇用のために研究費を使用する予定である。
|
