Efficient Text Big Data Mining Technology via Structure Extraction

点击翻译按钮获取中文摘要

テキスト情報と時系列情報の両面からマイクロブログなど時系列情報が加味されたテキストデータをクラスタリングし、その特徴を捉える手法を開発した。マイクロブログのようなデータは、時系列情報が加味されているが、同一のトピックに所属することと、類似するタイムスタンプを持つことが等価でないために、時系列情報を効果的に用いてトピック分類を行うことが困難であった。今回、テキスト情報からマイクロクラスタを構築することで、単一のトピックに属し、かつ時系列の分布を持つ単位にデータをまとめ上げることに成功し、その時系列分布情報を使うことで、表面的な言葉使いは異なるが意味的に同一のトピックに対応するマイクロクラスタをまとめ上げる技術の開発に成功した。これは、時系列情報をマイクロクラスタを使うことで、形質化することに成功しており、本プロジェクトの基本コンセプトに合致する成果となっている。また、この他にも、グラフ分析、テキスト分析、時系列データ分析などに有効な複数のマイニング型グラフアルゴリズムを開発し、同じく乱数生成などの基礎アルゴリズムの開発も行った。また、テキストデータの解析手法を現実の問題、とくに人文科学系のモチベーションを持つ問題へと適用し、解析結果を得ている。