|
本研究では，大規模データのダイナミクスをモデル化する確率過程として，社会ネットワーク上の情報拡散モデルを主な対象とし，限定された試行回数の下でもその確率過程に対するシミュレーション結果の精度を保証する新たな予測シミュレーションパラダイムを統計的機械学習におけるリサンプリング法に基づいて提案し，その有用性を実験的に示した．また，その枠組みをノード中心性指標の計算に応用し，サンプリングした一定数のノードのみから高い中心性指標値をもつノード群を精度よく同定することに成功した．さらに，情報拡散におけるノード影響度を計算する予測シミュレーションを効率よく実行する並列分散アルゴリズムを提案した．
|
