Dimension and variable selection, simultaneous estimation, and computational environment for information extraction from complex data

点击翻译按钮获取中文摘要

本研究では、マーケティングや社会心理学の分野を想定し、(i)情報損失を最小限に抑えた大規模さの軽減、(ii)縮約した情報や複雑性の関係の効率的な把握、(iii)尺度混在データの処理とテキストデータの処理を含む分析手順の提供、(iv)対話的なインタフェースの提供、(v)計算の効率化を順に実現していくことを目的としており、本年度は、それぞれについて取り組んだ。(i)～(iii)については、昨年度に引き続き、テストや調査問題において無駄な項目を削除することで複雑さを軽減することに取り組んだ。特に、尺度混在データに焦点をあて、カテゴリカルデータを項目反応理論や非計量主成分分析で数量化して、カテゴリカルデータを量的に扱える手法を提案するとともに、項目反応理論で導かれる潜在特性値による変数の削減手順の開発と拡張主成分分析をカテゴリカルデータに応用する非計量拡張主成分分析の性能評価を行った。いずれも提案手法を実データに利用する場合の一般手順を示すことができた。また、(iii)の後半のテキストデータについては、テキストマイニングの結果から得られる情報をさらに分析する方法の可能性を検討した。(iv)については、R上で動く環境の1つであるShinyを利用して、対話的インタフェースの構築を試みた。(v)については、vectorε法による計算の加速化の効果をより精密に評価するため、ファジーc平均法での数値実験を行い、パラメータ（＝データの様相）の違いによる加速化の性質を明らかにした。これらの成果については、日本計算機統計学会のシンポジウム、国際計算機統計協会のアジア地区の大会などで発表した。また、９月に、シンガポールとドイツの研究者を招き、大規模・複雑化データの扱いに関する研究集会を岡山と京都で開き、計算方法や効率化について議論した。