開発技術

 開発技術

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。

主な技術一覧

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]

logo_kdd2017      logo_www2016       logo_sigmod_slc


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)

img_compcube

(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

img_autoplait

(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)

img_funnel

(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)

img_ecoweb

(EcoWeb@WWW’15)

複合イベントデータの
時系列解析と将来予測

img_trimine

(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

img_spikeM

(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。