| 研究実績の概要 |
本年度は主に，研究の基礎理論の確立を目指すと同時に，国内外での研究議論，発表を活発に行った．より具体的には，研究課題の基盤技術として，主に大規模非線形時系列データのための特徴自動抽出に関する研究を中心に取り組んだ．以下は具体的な提案手法である．
(a) ソーシャルネットワーク上でのユーザの行動の時間的な推移の解析とパターン発見：Web上のユーザの活動のパターンを非線形モデルで表現し，将来の動向を予測するアルゴリズムを提案．
(b) 疫病の伝染とコネクティビティの関連性の分析,重要なコミュニティの発見：大規模な疫病感染報告に関するデータを対象とした,感染ルートの発見と地域間の関連性の発見,年代毎の地域毎の変化と感染パターンの関連性の分析,疫病の予防と対策に関する研究．
(c) 大規模時系列データのための特徴自動抽出：大規模センサネットワーク上における特徴的パターンの自動抽出手法の確立．
提案技術は，国内外において，その有用性と汎用性を非常に高く評価され，データマイニング，データベースの分野における最も著名な国際会議であるWWW, SIGKDD, SIGMODで採録された．これらの成果は先駆的かつ実用的であり，データマイニング分野において国際的に高い評価を受けており，国内外における招待講演3件を行った．さらに，上記の研究内容を含め，本年度は積極的に外部組織との共同研究も行った．具体的には，海外渡航制度を利用し，共同研究者であるChristos Faloutsos教授（カーネギーメロン大学）の元へ訪問及び短期滞在を行った．これらの共同研究において，大規模時系列データの解析のための基礎技術基盤を確立した．
|
