マルチモーダル移動行動データからの高速な頻出共起ルール抽出手法

• Item type: Journal(1)
• 公開日: 2019-03-15
• タイトル: マルチモーダル移動行動データからの高速な頻出共起ルール抽出手法
• タイトル / 言語: en
• タイトル: Fast Frequent Co-occurrence Rule Extracting Method from Multi-modal Trajectory Data
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：若手研究者] 軌跡データ，セグメンテーション，頻出ルール
• 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: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 名古屋大学大学院環境学研究科
• 著者所属: 名古屋大学大学院環境学研究科
• 著者所属: 同志社大学研究開発推進機構
• 著者所属: 同志社大学大学院生命医科学研究科
• 著者所属: 東京大学大学院農学生命科学研究科
• 著者所属: 同志社大学生命医科学部
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environmental Studies Nagoya University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environmental Studies Nagoya University
• 著者所属(英): en
• 著者所属(英): Organization for Researcg Ubutuatuves and Developement Doshisha University
• 著者所属(英): en
• 著者所属(英): Graduate School of Life and Medical Sciences Doshisha University
• 著者所属(英): en
• 著者所属(英): Graduate School of Agricultural and Life Sciences, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Doshisha University Faculty of Life and Medical Sciences
• 著者名: 田, 一鳴; 前川, 卓也; 天方, 大地; 原, 隆浩; 松本, 祥子; 依田, 憲; 藤岡, 慧明; 濱井, 郁弥; 福井, 大; 飛龍, 志津子
• 著者名(英): Yiming, Tian; Takuya, Maekawa; Daichi, Amagata; Takahiro, Hara; Sakiko, Matsumoto; Ken, Yoda; Emyo, Fujioka; Fumiya, Hamai; Dai, Fukui; Shizuko, Hiryu
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，移動体から得られたマルチモーダル時系列データから高速に頻出ルールを抽出する手法の提案を行う．近年，センサ技術の進展により小型センサデバイスを動物に添付し，GPSにより動物の移動軌跡を計測するとともに，環境・生体センサにより移動にまつわる時系列センサデータも同時に計測することが可能となりつつある．本研究では，移動およびセンサの時系列データを，それぞれ複数のモードにセグメントし，異なるモーダルを跨いだ頻出ルールを高速に抽出する手法を提案する．たとえば移動軌跡から抽出された「局所探索」モードと生体センサから抽出された「緊張」モードが共起することが多いといったルールを抽出する．モードのセグメントに用いられるパラメータは様々な値をとる可能性があるため，得られるルールの有用性に基づきそれらを自動的に決定する．実データを用いた実験の結果から，提案手法は高速にルールを抽出できることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a fast method that extracts frequent patterns from multi-modal time-series data obtained from a moving object. Due to the recent advance in sensing technologies, we can measure trajectories of animals from GPS modules as well as time-series sensor data related to locomotion from environmental and bio-sensors using small sensor nodes attached to the animals. The proposed method first segments time-series data, i.e., trajectory and sensor data, into multiple modes, and then extracts cross-modal frequent patterns from the segmented time-series. For example, we extract a rule describing that a “local search” mode extracted from trajectory data usually co-occurs with a “stress” mode extracted from bio-sensor data. Our method finds good parameters used in the segmentation according to the usefulness of rules. Our experiments using real datasets demonstrate the efficiency of our proposed method.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 60, 号 3, p. 859-869, 発行日 2019-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764