【研究領域課題番号】19H01133 (KAKENデータベースで見る）

【研究キーワード】

ソーシャルメディア分析 / クラスタリング / 多様性 / アルゴリズム / 形質 / SNS / トピック / データ解析

【研究成果の概要】

多様性の解析に対しては、クラスタのモデル化を必要としない、単語の多様性を元にトピックの多様性を測る手法を開発中である。テキスト情報のクラスタリングは、書き手の書きぶりに左右されるため、導出した多様性尺度が意味的な多様性との乖離する可能性がある。この点を埋めるべくモデル化を検討した。ただし、単語を用いた場合に、他の、時刻やユーザIDなどのデータには利用できなくなるため、この点について今後とも検討していく。
クラスタとトピック数から算出した多様性の時間推移を見ることで、トピックの多様性がどのように推移していくか、どこで大きな転換点が出ているかを解析する方法を開発した。SNSを対象とはしているが、一般のデータでも適用可能である。ただし、現在の仕様では、大きな反響がある話題と小さな反響がある話題の多様性を標準的に扱うことはできておらず、2次元上にプロットし、動画化することで、時間推移の様子を可視化している。ここに関しては今後開発を進めていく予定である。
また、言語データの形質となり得るグラフ構造を、データから抽出するアルゴリズムについて研究を行い、いくつかの高速アルゴリズムを構成することに成功した。同時に、データの特徴量を抽出するアルゴリズムについても開発を行い、より、精度高く、多様な特徴量が抽出できるよう開発を行った。離散構造を取り扱うアルゴリズム自体も開発を行い、開発したモデルやアルゴリズムなどにおいて、高速化を行う手法を開発した。

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2024-03-31

【配分額】44,330千円 (直接経費: 34,100千円、間接経費: 10,230千円)

【研究分野】知能情報学

【研究領域課題番号】17H00762 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 人工知能 / カーネル / 編集距離 / データの類似性 / データマイニング / アルゴリズム / 半構造化データ / 教師あり学習 / 分類 / クラスタリング / 距離 / パターン抽出 / 木

【研究成果の概要】

【理論】編集距離とマッピングカーネルの類似を着眼点とした本研究は、圏論の視点から理論を整理し、人工知能分野のトップ会議であるAAAIに論文が採録された。最終的には、測度空間を対象、測度を保存する部分一対一可測写像を射とし、離散データ構造に限定せず、広い範囲のデータ構造に適用する共通手法として距離やカーネルを定義することに成功した。
【実装】理論に基く概念をPythonから利用できるように実装し、GitHubなどで公開した。
【応用】100種類以上に及ぶ木カーネルの評価を行い、線形計算量を持ち、多くの領域で優れた性能を示す関数を特定した。また、情報セキュリティやSNS分析における応用事例を報告した。

【研究の社会的意義】

人工知能研究の基礎である機械学習では多くの手法や概念が提案されている。本研究の学術的意義は、これらの手法や概念のうち、重要な幾つかが共通の枠組みから導出できることを示した点にある。このことにより、例えば、文字列アラインメントを計算するために考案されたアルゴリズムを、共通枠組み中で抽象化し、次いで、木データに適用して具象化することで、木データのMAST問題に適用することが可能となる。このように、本研究が提案する共通枠組みにより、特定の分野における成果を他の分野に拡張・敷衍することが可能となる。この事実は、実用上でも重要な意義を持っており、データ分析において適用できる手法の幅を拡大する。

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】40,820千円 (直接経費: 31,400千円、間接経費: 9,420千円)

【研究分野】教育工学

【研究領域課題番号】16K16314 (KAKENデータベースで見る）

【研究キーワード】

教育工学 / 歴史学習 / 歴史教育 / 類推 / 協調学習 / クラスタリング / アルゴリズム / 教育メディア / グループ編成 / メディア教育 / 歴史

【研究成果の概要】

高校の歴史教育において、協調的に歴史を応用して現代社会の問題を解決することの重要性が高まっている。そこで本研究では、オンライン上での協調的な歴史的類推を促すグループ編成システム「歴史タイムカプセル」の開発と評価を行った。評価の結果、既存のクラスタリングの手法に比べて理想的なグループ編成ができることが確認された。また、高校生を対象に評価した結果、協調的な歴史的類推を促す効果があることも確認された。

【研究の社会的意義】

学術的意義としては、既存のクラスタリングの手法だけでは実現しにくい協調的な歴史的類推を促すグルーピングのアルゴリズムを開発できた点が挙げられる。社会的意義としては、高校の歴史の授業において協調的な歴史的類推を促せるオンラインの学習環境を提供できた点が挙げられる。

【研究種目】若手研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】3,250千円 (直接経費: 2,500千円、間接経費: 750千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】16K00423 (KAKENデータベースで見る）

【研究キーワード】

ソーシャルメディア / ユーザ行動分析 / テキストマイニング / 意味的関連性 / 時系列分析 / クラスタリング / 実体リンキング / データマイニング / 情報抽出 / アルゴリズム

【研究成果の概要】

時間経過を考慮した構造的知識の抽出では，編集履歴を有する記事集合から，バースト的に編集が行われた文やフレーズを抽出する手法を開発した．数百からなる比較的大きな記事集合に対し，バースト的編集に関連を持つ語句を抽出する方法を開発し，記事集合の発展とともに重要語句が変遷することが確認できた．
ソーシャルメディアにおける投稿の意図分析では，投稿の文章に対し，センチメント分析を適用して，正負の極性ならびに主観的か客観的か，および文の長さ等の多次元データを求めた．
これからユーザごとのセンチメントの分布が７―８程度の潜在的な投稿タイプに分類でき，ツイートの筆者特定の精度を向上に応用できることが分かった．

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2019-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】知能情報学

【研究領域課題番号】21240011 (KAKENデータベースで見る）

【研究キーワード】

知識発見 / データマイニング / 機械学習 / テキストマイニング / Web / ネットワークデータ / 統計 / 曖昧正解消 / プライバシー保護 / 言語学習 / クラスタリング / 曖昧性解消 / テキスト / 非負行列分解 / GPU / アルゴリズム

【研究成果の概要】

2009年度は当初の予定通り、Webにおける人名検索結果を同姓同名であるが異なる人物ごとにまとめるクラスタリングシステムを開発し、実験的に評価した。2010年度は大規模データ処理のために非負の確率行列分解アルゴリズムを提案し、既存のLDAと同様な性能を得ることを実証し、並列化アルゴリズムにおいては変分ベイズ法をロングテールに対応するPitMan-Yoモデルに適用し高い性能を得た。2011年度は最近注目されているプライバシー保護データマイニングをネットワークデータに応用した。2012年度は、プライバシー保護データマイニングの応用手法と大規模データに適したオンライン学習で、新規な正則化手法を提案した。

【研究種目】基盤研究(A)

【研究期間】2009 - 2012

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】工学基礎

【研究領域課題番号】14750047 (KAKENデータベースで見る）

【研究キーワード】

クラスタリング / 離散最適化 / アルゴリズム / 多変量解析 / 劣モジュラ関数 / 相関行列 / 情報量規準 / 因子分析 / 相関分析

【研究成果の概要】

本研究課題は,離散最適化の最新の成果を応用して,多変量データの新たな統計的解析手法を確立することを目的としている.多変量データの統計的解析に当たっては各変量を,相関行列に基づいて比較的少数のグループに分類することが重要なステップとなる.しかし,因子分析に代表される従来からの手法は,変量の線形結合を用いており,問題点が少なくない.本研究課題は,変量の線形結合を経由せずに,相関行列の半正定値対称性とその離散構造を積極的に利用した手法の開発を目的としている.
この目的を達成するために,最大対数尤度を基準として対称劣モジュラ関数最小化を用いる手法や,情報量規準の観点から最適な分割を局所近傍探索によって求める手法を開発し,計算機上で実現した.さらに,各種の人工データ及び実データに適用して,計算時間や分割精度の観点から手法の比較検討を行った.最大対数尤度を基準とする方法は,効率的な厳密解法を用いることができるという利点の反面,クラスタリングの鎖効果と呼ばれる現象が頻繁におこるという致命的な欠点があることが明らかになった.一方,AICやBICなどの情報量規準の最適化は,効率的な厳密解法を得ることが難しく,局所近傍探索を用いた手法を設計せざるを得ない.しかし,計算機実験の結果,多くのテストデータに対して,合理的な分割を安定して提示することが確認され,実際上有望な手法であるとの結論を得た.

【研究種目】若手研究(B)

【研究期間】2002 - 2004

【配分額】2,100千円 (直接経費: 2,100千円)