多様な大規模ストリームデータを用いた地域的なトピックの時空間予測に関する研究

点击翻译按钮获取中文摘要

本研究では，ソーシャルメディア上のデータや気象観測センサによって生成されるデータなど，多様な大規模ストリームデータを用いて，地域的なトピックの時空間予測を可能とするための新しい時空間データマイニング技術の確立を目的とする．平成30年度は，（1）ソーシャルメディア上の画像データの分類手法，（2）高性能かつ高精度なセルベースのDBSCANの開発，（3）ソーシャルメディア上のデータと気象観測データを用いたトピックの予測手法の三つの研究に取り組んだ．具体的な内容を以下に示す．（1）ソーシャルメディア上の画像データの分類手法：ソーシャルメディア上に投稿される多種多様な画像データから特定のトピックに関する画像データのみを抽出するために，画像データを分割して深層学習により特徴抽出を行う手法を検討した．（2）高性能かつ高精度なセルベースのDBSCANの開発：密度に基づくクラスタリングの代表的なアルゴリズムであるDBSCANについて，その改良手法であるセルベースのDBSCANのAnytimeアルゴリズムを開発した．提案手法は乱択アルゴリズムに基づくセルの結合とクラスタリングの途中結果の算出を繰り返し行う．提案手法が算出するクラスタリング結果は，処理が進むに連れて高精度となり，最終的には厳密解のクラスタリング結果となる．人工データを用いた評価実験の結果，提案手法は既存手法と比較して，高い精度を保ちつつDBSCANを高速化できることを示した．（3）ソーシャルメディア上のデータと気象観測データを用いたトピックの予測手法：ソーシャルメディア上のデータに加えて気象観測データを用いたトピックの予測手法について，深層学習を用いた手法を検討した．