多群出現順位統計量に基づく時系列データの変換

• Item type: Trans(1)
• 公開日: 2018-03-14
• タイトル: 多群出現順位統計量に基づく時系列データの変換
• タイトル / 言語: en
• タイトル: Converting of Stream Data Based on Multi-category Appearance Order Statistics
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [オリジナル論文] 順位和検定，時系列データ，傾向分析，バースト検知，one-against-all
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 静岡県立大学
• 著者所属: 静岡県工業技術研究所
• 著者所属: 静岡県立大学
• 著者所属(英): en
• 著者所属(英): University of Shizuoka
• 著者所属(英): en
• 著者所属(英): Industrial Research Institute of Shizuoka Prefecture
• 著者所属(英): en
• 著者所属(英): University of Shizuoka
• 著者名: 山岸, 祐己; 岩﨑, 清斗; 斉藤, 和巳
• 著者名(英): Yuki, Yamagishi; Kiyoto, Iwasaki; Kazumi, Saito
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データカテゴリの時系列的変化を明確に示し，それらを複数カテゴリ間で比較することを目的として，出現順位を用いた統計量によるデータ変換手法を提案する．ここでの変換手法は，勢力変化可視化法と有意な勢力変化をするカテゴリ検出法である．出現情報の時系列データにおける代表的な変換手法としてはKleinbergのバースト検知がよく知られているが，継続的な傾向分析や，複数カテゴリ間の比較には向いていない．よって我々は，出現傾向の指標として出現順位統計量を考え，多群を扱えるように拡張した手法を提案する．提案法は，出現情報を徐々に変化する傾向指標として変換するため，長期的な傾向変化をとらえやすく，また，各カテゴリの傾向指標は他のカテゴリすべてを基準としているため，任意の複数カテゴリ間の比較が容易である．評価実験では，人工データと現実データを用い提案法の有効性を検証する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We propose a data conversion method by using appearance order statistics with the aim of clarify the temporal changing of data categories and compare them between multi-categories. Here, this conversion method is a visualization of a power struggle of categories and detection method of categories with a significant power change. Although Kleinberg's burst detection is well known as a representative conversion method in time series data of appearance information, this method is not suitable for continuous trend analysis or comparison between multi-categories. Therefore, we consider the appearance order statistics as a trend indicator and extend the statistics to be able to deal with multi-category. Since the proposed method converts appearance information as a trend indicator which changing gradually, it can easy to capture long-term trend changes. In addition, since the trend indicators of each category are based on all the other categories, it is easy to compare between arbitrary multi-categories. In the evaluation experiment, we verify the effectiveness of the proposed method using synthetic data and real data.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 11, 号 1, p. 45-52, 発行日 2018-03-14
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会