本研究の目的は,SNSなどに存在するソーシャルネットワークの変化を長期的に予測できる数理モデルの考案である.ここで,ソーシャルネットワークの変化とは,友人関係の変化,各人の興味関心や発信するコンテンツの変化を指す.これらを予測することで,物事に対する社会的な反応や市場規模を予測できるようになると期待できる. 本研究では主に,(1)人間関係の変化と興味関心の変化の相互作用のモデル化に基づく予測モデルの考案,(2) ニューラルトピックモデルに基づく解釈性の高い予測モデルの考案,(3) SNSユーザの行動価値関数と行動方策を学習することによる解釈性の高い予測モデルの考案に取り組んだ. (1) に関しては,カーネギーメロン大学の Christos Faloutsos 教授との共著論文を執筆し,国内会議(DEIM2021)で発表し最優秀論文賞と情報処理学会山下記念賞を受賞したほか,データマイニング分野の主要会議の一つである SDM に採録され,その成果について発表を行った.(2) に関しては,ニューラルトピックモデルに基づいて時系列情報に基づいてトピックを抽出し,それらのボリュームの時間的な変化を追跡・予測する手法を考案し,国内会議(DEIM2023)で発表した.(3) に関しては,SNS内のユーザがどのようなソーシャルネットワーク状態を望ましいとするかを報酬関数でモデル化し,この値がより高くなるようにユーザが行動を行うという仮定のもとで,未来のネットワークを生成するための方策関数を強化学習に基づいて学習する方法を提案した.この手法は既存手法と同等以上の精度を発揮することを実験的に示したほか,学習後のパラメータを観察することで,ネットワークデータの性質を人間に解釈可能な形で記述可能であることを示した.この成果は国内会議(DEIM2023)にて発表した.
|