2022 Fiscal Year Annual Research Report
自己展開型の知識発見による大規模データからの説明可能な知識創出
| Project/Area Number |
20K11964
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
嶋田 香 群馬大学, 情報学部, 教授 (20454100)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
荒平 高章 九州情報大学, 経営情報学部, 准教授 (30706958)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | データマイニング / 知識発見 / 知識創出 / 進化計算 / アイテム集合 |
|---|
| Outline of Annual Research Achievements |
令和４年度は、局所的な知識発見手法、大域的な知識創出手法を確立するために、令和３年度までに開発していた統計的な特徴を背景として持つアイテム集合（ItemSB）の発見法の基礎となる部分の改善・拡張の検討・評価、公開されている大規模データ等を用いた幅広い評価を実施した。
ItemSBの発見を基礎とした新しい概念に基づく知識創出手法として、２つのデータ間で特徴的な差異を扱うことのできるコントラストItemSBの発見法を検討・評価し、この方法をItemSBの興味深さ指標の信頼性や再現性の評価に用いることができることを見出した。新しい概念に基づくクラスタリング的な手法を確立するために、統計的な特徴として回帰を扱うための基礎性能評価を実施した。ItemSBの集合体によりデータ全体の知識表現を獲得しようとするものであり、小集団ごとに回帰式を持つことを特徴とする全体的な予測方式の基礎となる。
また、本研究課題では、進化の過程で得られた小さな成果を蓄積して問題を世代継続的に解決していくことを特徴とする進化計算を用いているが、この進化過程を特徴づける指標の導入を行い、その監視・制御方法を検討した。進化操作におけるパラメータ群の設定による問題解決の有効性評価の実験を実施し、手法自体の改善・拡張のための知見を得た。
個別性の観点からの知識発見では、個別対応型手法の拡張により、予測問題においてマッチング処理の不要な効果的な知識獲得を実現するほか、第１、第２、第３の予測結果を提示する順位付けを用いた予測を実施する可能性を見出すことができ、説明性の強化を検討した。また、応用分野として期待される人間的・ライフ支援的データからの知識発見の実施・評価においては、医療系・医学系研究者の協力を得ることにより、医療等の現場から収集されたデータを対象とした、知識発見・知識創出の研究を開始した。
|
