An Intelligent Mining System for Prediction and Recommendation based on Link Prediction in Twitter
アブストラクト非公開
Twitterを用いたセンシングシステムの提案と考察
本研究の目的は, 既存のセンサがセンシングできない情報を, 市民のインターネットを用いたブログへの投稿（ツイート）からセンシングすることである. 既存のセンサでは, 事象を漏れなく検出をすることは困難であり, 既存のセンサが取得する情報を補完する必要がある. そこで，Twitter 社が提供しているAPI を利用して, 位置情報を含む日本語の投稿を大量に収集し解析するシステムを構築する. 本手法の評価として, 大雨検出と電車遅延検出を想定した. 大雨検出では, 降雨を示す内容の投稿から，設置密度が低い既存の気象センサでは観測できない降雨の検出ができ, ツイートの位置から既存のセンサが測定できない降雨を検出できる可能性を定量的に示した. 電車遅延の検出では, 従来のJR東日本からは, 電車遅延が発生してからしばらく時間が経ってから発表されていたが, 本手法では,電車が遅延していることをJR 東日本の発表よりも13分早く見つけることができた. 本論文で述べた2つの事象の検出に関して, 本手法を用いることによって, 既存のセンサを補完する情報を取得することができた.
STT Sketch IndexのLoD制御による参加型センシングデータの効率的な検索手法の提案
近年，M2M に代表されるセンサーデータや Twitter などのソーシャルセンサーデータが多様化しており，様々なデータが入手可能になっている．これら多種・多様なデータが個人で容易に入手可能になり，大規模，大容量なデータを収集し保存する技術も発展している．これら保存されているデータを複数の異なるデータと組み合わせるなど利活用したい場合がある．一方でデータの種類，容量が増加に比例し，データを検索するための処理時間が増加する．そこで本論文は，情報通信研究機構が研究開発を行っている知識・言語グリッド上で分散して収集されている様々なデータセットに対して，センサーデータの位置情報，時間情報，および観測値の3つの属性から構成される索引データ（以下Sketch索引）を作成し，さらにSketch索引に対してLevel of Detail ( LoD )制御を導入し，ユーザーが詳細度を変更しながらSketch索引を効率よく検索を行う手法を提案する．本論文ではLoD制御を用いたSketch索引の検索の速度と精度の評価を行った．
統合IDと属性を用いたグループの体系化
組織には様々なグループが存在する．情報システムにおいてもグループは存在し，システムの利用権限を設定する際などにおいて用いられる．しかし，グループは，グループごとに用途やメンバ，管理方法や作成，消滅時期が異なることや，一人につき複数グループに所属するなど，管理が複雑である．そのため，グループ管理においては，条件式などが定義されず，グループ管理者にとっては非常に負荷となっていた．そこで，本研究では，グループ管理に必要な条件によりグループを4つに分類し，それぞれのグループに対する管理手法を定義し，グループの体系化を行う．また，本研究では，体系化したグループを管理するためのシステムを設計し，実装を行う．グループを管理する際にユーザ属性を使用するが，近年，IDの統合化が進んでいることより，中央の認証サーバなどで管理される共通に定義された属性を使用する．グループは，中央で一元管理せず，分散的に管理できるシステムとする．なお，本稿で，実装するシステムは，既存システムとの連携試験を行うため，組織内に限定したシステムであるが，本研究で提案するグループ管理手法は，組織を超えたグループも管理可能とする．