| 研究課題/領域番号 |
19H04114
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
北川 博之 筑波大学, 国際統合睡眠医科学研究機構, 教授 (00204876)
|
|---|
| 研究分担者 |
天笠 俊之 筑波大学, 計算科学研究センター, 教授 (70314531)
塩川 浩昭 筑波大学, 計算科学研究センター, 准教授 (90775248)
早瀬 康裕 筑波大学, システム情報系, 助教 (40423090)
堀江 和正 筑波大学, 計算科学研究センター, 助教 (60817112)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | ビッグデータ / 仮想化 |
|---|
| 研究実績の概要 |
本研究課題では，Augmentedリアルビッグデータ利活用基盤の構築を目標に，研究期間中に(1) 高水準ビッグデータ処理記述，(2) データの曖昧性や整合性管理，(3) 全体処理効率化に関わる研究開発を行うことを目的として研究を推進した．
2022年度は，以下のような研究成果を得た．
(1) 高水準ビッグデータ処理記述：機械学習や時空間データ処理等に関わるAugmentedデータ処理を含む複合的分析プロセスを記述できる手法について，リレーショナルデータベース，時空間Augmentedストリーム処理に加えて，機械学習に関わるAugmentedストリーム処理の実現を行った．また，RDF知識処理モデルにおけるAugmentedデータ処理についても，外部情報源をAugmentedデータとして知識ベース処理に統合するKnowledge Mediatorを開発し，プロトタイプシステムとそれを用いた評価を行った．
(2) データの曖昧性や整合性管理：Augmentedデータ処理を含む複合的分析プロセスにおける元データと分析結果の関連性，整合性，トレーサビリティ管理方式である拡張来歴について，これまでに開発したリレーショナルデータベースを用いたシステムに加えて，Flinkを用いたストリーム処理における実現を行った．
(3) 全体処理効率化：リレーショナルデータベースにおける拡張来歴導出の効率化手法としてFunction materializationを提案し，定量的性能評価実験によりその有効性を確認した．また，ストリーム処理における拡張来歴導出についても各種性能評価を行い，機械学習等の高コスト演算がある状況では拡張来歴導出のためのオーバヘッドは極めて小さいことを確認した．さらに，Augmentedデータ取得のための機械学習処理やデータマイニング処理等の処理効率化手法について検討を行った．
|
| 現在までの達成度 (段落) |
令和4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4年度が最終年度であるため、記入しない。
|
