開発技術

主な技術一覧

私たちの研究室では、主にIoTデータやWeb情報を対象として、情報抽出、パターン検出、モデル学習、将来予測など、ビッグデータのマイニングアルゴリズムに関する研究に取り組んでいます。

現在主に取り組んでいる技術は以下の通りです。

• 非線形モデリング：非線形動的システム（非線形微分方程式）等を用いて様々な社会現象をモデル化、解析します。
• 大規模テンソル解析：{Object x Actor x Time} で構成される複合時系列イベントデータを扱います。
• 特徴自動抽出：事前知識や細かいチューニングを介することなく重要な情報を自動的に抽出します。
• リアルタイム処理：刻々と変化する時系列データストリームを高速学習し、トレンド抽出や将来予測を行います。

	非線形モデリング	テンソル解析	特徴自動抽出	リアルタイム処理
SpikeM@KDD’12	✔
TriMine@KDD’12		✔
AutoPlait@SIGMOD’14			✔
EcoWeb@WWW’15	✔		✔
FUNNEL@KDD’14	✔	✔	✔
CompCube@WWW’16	✔	✔	✔
RegimeCast@KDD’16	✔			✔
OrbitMap@KDD’19	✔		✔	✔
CubeMarker@ICDM’19		✔	✔
StreamScope@CIKM’19			✔	✔

ソフトウェア、関連資料

pdf, pptx, ソースコードは [こちら] で公開しています。

チュートリアル講演資料

[SIGMOD’15] / [WWW’16] / [SIGKDD’17]

             

---

各技術の紹介

時系列ビッグデータのリアルタイム予測    (RegimeCast@KDD’16)	オンライン活動データの特徴自動抽出と 将来予測 (準備中)   (CompCube@WWW’16)
センサデータからの 高速パターン検出とモデル学習 (AutoPlait@SIGMOD’14)	大規模疫病データのための 非線形テンソル解析 (準備中) (FUNNEL@KDD’14)
生態系モデルに基づく オンライン活動データの非線形解析 (準備中) (EcoWeb@WWW’15)	複合イベントデータの 時系列解析と将来予測 (TriMine@KDD’12)
ソーシャルメディアにおける 情報拡散過程の解析 (SpikeM@KDD’12)

 

上記のテーマ以外にも、データマイニングのアルゴリズムについて幅広く取り組んでいます。