大規模webデータストリームに対する流行の拡散パターンの抽出手法

• Item type: Trans(1)
• 公開日: 2024-04-23
• タイトル: 大規模webデータストリームに対する流行の拡散パターンの抽出手法
• タイトル / 言語: en
• タイトル: Extraction Method of Interest Diffusion for Web Data Streams
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [研究論文] 時系列データストリーム，特徴自動抽出，将来予測，webデータ
• 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: 大阪大学産業科学研究所産業科学AIセンター
• 著者所属: 大阪大学産業科学研究所産業科学AIセンター
• 著者所属: 大阪大学産業科学研究所産業科学AIセンター
• 著者所属: 大阪大学産業科学研究所産業科学AIセンター
• 著者所属(英): en
• 著者所属(英): SANKEN, Osaka University
• 著者所属(英): en
• 著者所属(英): SANKEN, Osaka University
• 著者所属(英): en
• 著者所属(英): SANKEN, Osaka University
• 著者所属(英): en
• 著者所属(英): SANKEN, Osaka University
• 著者名: 東口, 慎吾; 松原, 靖子; 川畑, 光希; 櫻井, 保志
• 著者名(英): Shingo, Higashiguchi; Yasuko, Matsubara; Koki, Kawabata; Yasushi, Sakurai
• 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，webの検索データストリームに対する新しい特徴抽出手法であるFluxCastを提案する．提案手法は，(keyword, location, time)の3つの属性から構成される3階テンソルストリームに対し，時間変化するトレンドや季節性パターン，そして地域間の関心の拡散のパターンを継続的に抽出する．具体的には，(a)検索数のトレンドや地域間の関心の拡散のパターンを解釈可能か形で抽出し，(b)逐次的なモデルの更新によりそれらのパターンの動的な変化に適応する．また，(c)手動のパラメータに依存せず全自動で特徴を抽出する．GoogleTrendsより取得した実際の検索数のデータを用いた実験では，提案手法が地域間の流行の拡散を効果的に抽出することができていることを示す．また，既存手法と比較して，少ない計算時間で高い予測精度を達成できることを明らかにする．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a new feature extraction method FluxCast for web search data streams. The proposed method continuously extracts time-varying trends, seasonal patterns, and patterns of interest diffusion among regions from a third-order tensor stream consisting of the three attributes (keyword, location, time). Specifically, FluxCast can capture (a) key trends and patterns of interest diffusion among regions by reaction-diffusion equations, and (b) the model is adapted to dynamic changes in these patterns by incrementally updating the model. Finally, it is a (c) fully automatic method without relying on manual parameters. Experiments using web search volume data obtained from GoogleTrends show that the proposed method is effective in extracting the pattern of interest diffusion among regions. We also show that the proposed method can achieve higher prediction accuracy in less computation time than existing methods.
• 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: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 17, 号 2, p. 12-27, 発行日 2024-04-23
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会