研究課題
Web上からの情報収集に関しては，昨年度に引き続き，ソーシャルネットワーク上の情報を時間依存の情報と時間非依存の情報とに区別するために，情報の有効期限を推定する技術を開発した．また，現在，ソーシャルネットワーク上の情報の流れには，ソーシャルネットワークサービス側からの推薦機能が大きな影響を与えている．そこで，ソーシャルネットワークサービス上の活動の時間的変化の予測技術の一部として，これらの推薦機能がソーシャルネットワーク上の活動の時間的変化へ与える影響についての分析を行い，特に，コンテンツの類似度に基づく推薦と人間関係のつながりに基づく推薦のそれぞれが，ソーシャルネットワーク上のつながりにどのような影響を与えるかについて明らかにした．また，時系列ビッグデータ解析の取り組みに関しては，Web情報など大規模な時系列データストリームに対し，時系列モデル間の関係性を捉え，非線形方程式に基づいてモデル化し，将来予測を高速かつ完全自動で行う新技術を開発した．研究成果はデータマイニングの最難関トップ国際会議であるKDD2020において発表した．提案手法は時間，地域，キーワードのように複数の属性を持つテンソルデータストリームが与えられたとき，最新の観測データを監視しながら潜在的なトレンドを発見し，適応的にモデルを変化させながら長期先のデータを予測し続けることを可能とする。非線形ダイナミクスと地域間の特徴を多角的に解析することにより，計算速度のみならず予測精度においても既存手法より優れた性能を示している。
令和2年度が最終年度であるため、記入しない。
すべて 2021 2020 その他
すべて 雑誌論文 (3件) (うち査読あり 3件) 学会発表 (6件) (うち招待講演 3件) 備考 (2件) 産業財産権 (2件) (うち外国 1件) 学会・シンポジウム開催 (1件)
情報処理学会論文誌：データベース
巻: Vol. 14, No. 2 ページ: 10-19
巻: 未定 ページ: 印刷中
ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
巻: 2020 ページ: 2093-2102
10.1145/3394486.3403260
https://www.dl.soc.i.kyoto-u.ac.jp/publication/
https://www.dm.sanken.osaka-u.ac.jp/
