| 概要 | 本研究では,ストリームデータから,データに内在する深層表現を形式知として獲得するオンラインマイニング法を開発する.大量のストリームデータが出現するビッグデータ時代において,これを高速・省メモリで処理し,新たな知的価値を創発するオンライン技術が求められる.この背景の中で本研究ではトランザクションから高次知識を獲得するためのオンラインマイニング法を実現する.多重ストリームから1次知識である頻出アイテム集合を抽出するタスクは,データストリームマイニングの初期から研究されてきたが,「解候補の組み合わせ爆発」の問題のため,大規模問題へ適用することが難しいと考えられてきた.申請者らは,この問題にアドレスする新しいアプローチとして「リソース指向型近似法」を提案し,部分的に回避できることを実証的に示している.本研究ではこの近似法をもとに高次知識を獲得するオンラインマイニング法を実現する課題に取り組む.
|
|---|
